#evaluation 3 пунктов · сортировка по static_score 30 апр Programming with Data — test-driven data engineering для LLM OpenDataLab research 30 апр AutoResearchBench — бенчмарк AI-агентов в научном поиске BAAI research 30 апр DV-World — бенчмарк агентов визуализации данных BAAI research