CausalDS：评测数据科学智能体因果推理的基准

研究者 Andrej Leban 等人发布 CausalDS，一个用于评估数据科学智能体因果推理能力的基准。该基准由采样的结构因果模型、生成的观测数据和基于真实领域的合成自然语言故事构成，并据此派生覆盖 Pearl 三层级的任务。 多数任务包含数据科学编码环节，需调用多个工具作答，且对图无法识别的目标直接测试智能体是否拒答。由于生成器完全合成，题目构成、难度和规模均可作为参数调节，可随时抽取新考卷。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。