Adobe 提出基于代码的实时数据科学 Agent 评测方法

2026 年 10 月 1 日，X 用户 Rohan Paul 发帖介绍 Adobe 的一篇论文，提出一种针对数据科学智能体的实时评测方法：把标准答案写成可执行代码，每次测试运行时重新获取当前结果，再由 AI 评分器对照检查智能体的回答。报道称，在 53 个测试用例上，这种方式的 AI 评分与人类专家的一致率比用文字描述答案高 29%，且少用 16% token；若没有可对照的答案，AI 评分器的表现比随机还差。目前该事件仅有这一篇报道，尚无后续进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。