CIPHER: A Decoupled Exploration-Selection Framework for Test-Time Scaling of Data Science Agents

CIPHER 将数据科学 agent 的 test-time scaling 拆成探索和选择：先从多个初始状态生成候选轨迹，再按性能挑选结果。论文在 DSBench、InsightBench 和 MLE-Bench 上验证，pass@k 最高提升 88.2%，并在两个 MLE 竞赛任务里达到人类参赛者第二名水平。它说明开放式数据分析不适合押注单一路径，选择器本身就是扩展推理预算的一部分。