自动化构建

北大邓小铁课题组发布的新基准IDA-Bench模拟真实数据分析场景，测试了大模型在多轮交互中的表现。结果显示即使是顶尖模型，其成功率也仅约40%，揭示了现有模型在理解和遵循指令方面存在的问题。