提出DV-World基准,包含260个任务,用于评估数据可视化代理在真实场景下的全生命周期能力(原生表格操作、跨平台演化、主动意图对齐),并通过混合评估框架(Table-value Alignment与MLLM-as-a-Judge)揭示当前最先进模型整体性能不足50%,暴露其在环境接地、演化维护和模糊意图处理上…
机构:中科院
来源:arXiv 2604.25914 | AI4Papers 论文推荐平台