CODA-BENCH: Can Code Agents Handle Data-Intensive Tasks?

CODA-BENCH 构建了同时要求代码能力和数据探索能力的 Linux sandbox。它基于 Kaggle 生态包含 1,009 个任务、31 个社区，每个任务环境平均 980 个文件，agent 必须先在噪声文件层级中找到相关资源，再生成分析代码。顶级系统成功率只有 61.1%，说明当前 code agent 在“找对数据”与“写对程序”的衔接上仍有明显短板。