★ 4
AutoFyn：非参数专家迭代智能体框架
AutoFyn是一个受专家迭代算法启发的智能体框架，通过更新持久状态而非模型权重来适应冻结模型。在每轮中，编排器探索多种方法，验证器提供客观奖励并蒸馏到持久状态。在2026年国际数学奥林匹克六个新问题中，AutoFyn使所有模型得分高于其提供商的编码智能体，并在Spider 2.0 dbt基准上构…
arXiv cs.AI54 天前
#数据科学
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
arXiv 论文：数据科学智能体存在隐性失效模式
一篇 arXiv 论文指出，现有对数据科学智能体（agentic DS）的评测只看下游预测性能和代码正确性，忽略了方法论与领域知识，从而掩盖了数据泄漏、验证不当等失效。作者在 220 个数据科学任务上做大规模失效模式分析，并构建可复用测试套件与 Kaggle 专家方案对比，发现多数智能体方案至少含…
arXiv cs.AI19 天前
★ 3
ORCA：数据科学代码翻译评测基准
论文提出 ORCA 基准，评估 LLM 在数据科学库之间转换代码（DSCT）的能力，包含 1600 个基础任务与 200 个项目级任务。结果显示即便是前沿模型表现也有限，Claude-Opus-4.6 在 ORCA-MAIN 成功率 56.92%、ORCA-PROJECT 仅 33.67%。作者提…
arXiv cs.AI35 天前
★ 3
统计问题表述的语言模型基准：StatFormBench
本文形式化统计问题表述为分类和变量识别两个子任务，并引入StatFormBench基准，包含1013个样本，覆盖20个粗粒度和85个细粒度类别。14个开源和闭源LLM中，最佳零样本模型仅达72.0%细粒度分类准确率和63.2%变量集重叠。增强提示策略收益有限。
arXiv cs.AI60 天前
★ 1
AI代理助我拿下Kaggle银牌，也让我看到它的失败
一位参赛者分享了借助 AI 代理在 Kaggle 地质导向竞赛中获得银牌的经历，同时详细剖析了代理在哪些环节失效。文章提供了 AI 辅助数据科学实战的一手经验。属于个人经验分享，受众较窄。
Hacker News – AI53 天前