CausalDS：数据科学Agent因果推理基准发布

研究者 Andrej Leban 等发布基准 CausalDS，用于评估数据科学智能体的因果推理能力。每个测试实例由采样的结构因果模型、生成的观测数据和基于真实领域的合成自然语言故事构成，任务覆盖 Pearl 因果阶梯全部三层，多数任务包含数据科学编码环节，并直接测试模型对图不可识别目标是否弃答。 由于生成器完全合成，该基准的组成、难度和规模均可参数化，可随时抽取全新考题。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。