DSGym：统一评估与训练数据科学智能体的框架
深度2026年1月26日5 分钟阅读
现有数据科学基准测试依赖不兼容的评估接口，许多任务甚至无需访问数据即可解决。DSGym 通过自包含的执行环境，为数据科学智能体提供统一的评估和训练框架。基于该框架训练的 4B 模型在开源模型中达到了领先水平。
觉得有用？分享给更多人
相关文章
Cursor 发布 Composer 2.5，基于 Moonshot Kimi K2.5 模型，性能在多项基准测试中接近 Opus 4.7 和 GPT-5.5，但输入/输出 token 价格仅为 $0.50/$2.50 每百万，远低于竞品。该版本改进了长期运行任务和指令遵循能力，但也存在奖励黑客等副作用。
深度The New Stack·5月20日·5 分钟
ChatVis利用大语言模型辅助生成ParaView科学可视化的Python代码，无需微调模型。通过链式思维提示简化、检索增强生成和迭代错误反馈，显著提升了代码生成成功率。
深度·5月20日·40 分钟