DataSpace

DataSpace 构造了 410 个跨语言分析任务，底层含 7,439 个制品、总计 15.01 GB，格式横跨 CSV、JSON、SQLite、Markdown、PDF 和视频，并用确定性表格评估器核对结果。6 个前沿多模态模型搭配 5 种 agent harness 后，最佳准确率仍只有 66.34%；同一骨干换 harness 的最大差距达到 15.36 个百分点。这个基准的启发在于，数据代理能力既是模型问题，也是执行框架和结果可验证性问题。