标签
AdaPRA 提出了一种用于数据科学智能体的持久化编码框架与过程奖励智能体（PRA），通过自适应评分标准检测并纠正过程错误，使 80B Qwen 模型在 DSPredict 基准上的排名百分位分别提升了 24.5（简单）和 14.8（困难）个百分点。
AdaPRA 引入了一个持久化的编码代理框架，采用自适应评分标准引导的过程监督，在多次尝试之间累积知识，将 80B Qwen 模型在 DSPredict-Easy 排行榜上的百分位提升 24.5 点，在 DSPredict-Hard 上提升 14.8 点，同时减少了数据科学代理中的过程错误。
本文提出了一个ground-truth-as-code框架，用于评估在持续更新数据上的数据科学智能体，实现了与人类评估者更高的一致性并减少了令牌消耗。