arXiv 2026年10月14日数据科学智能体多数解出答案却踩了方法坑:220个任务里,数据泄漏越多,预测分数反而越高对220个数据科学任务的评估显示,多数智能体方案至少含一种方法性失败,且数据泄漏出现得越多,预测性能反而越高,说明只看准确率会漏掉方法问题。对220个数据科学任务的评估显示,多数智能体方案至少含一种方法性失败,且数据泄漏出现得越多,预测性能反而越高,说明只看准确率会漏掉方法问题。Xue Li(第一作者)#智能体数据科学评估#失效模式分析#数据泄露#数据科学测试套件