CIPHER：一种用于数据科学 Agent 测试时扩展的解耦探索 - 选择框架

数据科学任务涵盖从封闭信息提取到开放分析，自动化挑战巨大。现有 Agent 依赖单一初始状态，易受级联错误影响。本文提出 CIPHER，一种通过生成并选择多个初始状态进行并发执行以实现测试时扩展的自动数据科学 Agent。与现有工作不同，CIPHER 显式解耦了候选初始状态的生成与其并行执行的战略选择。在两个基准上的评估表明，CIPHER 超越了最先进性能，且在基座模型较小的情况下仍具竞争力。研究还量化了生成策略、选择策略及聚合模型容量对性能的影响，提供了设计建议。