智能体数据科学中的隐性失败：现有评测忽视方法论缺陷

研究对 220 个数据科学任务的分析发现，多数智能体数据科学（agentic DS）方案至少存在一种失败模式，且数据泄漏失败与预测性能呈正相关。研究还构建了可复用的测试套件，针对六类特定失败进行受控测试，并通过 Kaggle 竞赛的定性评估发现，DS 智能体普遍缺乏解题创造力和领域知识。