CODA-BENCH评测代码代理
jiqizhixin · x · 2026-07-12
Renmin University of China 研究团队发布了 **CODA-BENCH**，用于同时测试代码能力与数据智能能力。 - 任务场景要求 agents 处理复杂文件系统、上百个 Kaggle 数据集，并完成真实的数据分析编码任务。 - 结果显示，即便是顶级系统，在 1,009 个任务上的成功率也只有 **61.1%**，说明当前 agent 在数据密集型工作上仍有明显短板。 - 帖子附带了项目、论文、代码和数据集链接，以及 Jiqizhixin 的报道。