研究评估七个模型迭代完成数据科学项目

Rohan Alexander 发布论文，评估智能体 AI 模型端到端完成数据科学项目的能力，以及反馈迭代能否改善结果。研究让来自 Anthropic、OpenAI、Google、DeepSeek 等 5 家开发商的 7 个模型分别担任“写作者”和“评分者”，组成 49 对组合，每对各跑 3 轮，考察模型创建、评分与修订项目的表现。报道未给出各组合的具体得分或结论。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。