**大语言模型作为探索性数据分析代理的可靠性研究**

_Can LLMs be trusted as EDA analysts? Read our paper_

> 一项新研究在商业供应链仿真基准上评估了多种大语言模型作为探索性数据分析（EDA）代理的表现，提出风险调整指标“商业效用”综合衡量平均质量和可重复性。结果显示，尽管部分模型平均得分可接受，但大多数缺乏足够的可重复性以供自主使用。GPT-5.4配合极高推理努力的整体表现最优，平均Jaccard得分0.8748，商业效用0.6952，远优于其他配置。研究强调，EDA代理的评估需兼顾平均质量、可重复性和条件敏感性。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-06-17 22:08（北京时间）
- **原文**：[打开原文](https://arxiv.org/abs/2606.00051)