Adobe发布实时数据科学任务评估论文

2026年10月1日，X用户Rohan Paul发帖介绍Adobe的一篇论文《Skill-based Agentic Evaluation for Real-time Data Science Tasks》。该论文提出一种基于技能的智能体实时评测方法：把标准答案写成每次运行都重新取数的代码，再由AI评分器对照检查智能体的回答。据该帖，在53个测试用例上，这种做法的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评分器表现还不如随机。目前信息仅来自这一条社交媒体转述，Adobe官方论文全文及更多细节尚未见后续报道。

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。