# 公开职业资料比较：商业智能分析 / 统计研究与应用 比较工作、要求与 AI 影响，不计算个人匹配分。个人背景由用户自己的 Agent 使用。 # 商业智能分析 职业；职业资料版本 2026-10-21.careers.2；核查 2026-10-21 把业务数据转成一致的指标、报告和可解释的经营问题。 数据分析师是宽泛称谓；本记录偏 BI 和经营指标，不自动包含统计研究。 本页按职责提供公开参照；地域、职级和准入以目标组织的现行要求另核。 名称/别名：BI分析师、数据分析师、经营分析、指标分析、Business Intelligence 来源状态：active ## 职业工作范围 按本职业主要交付组织工作范围；多个目标可以由同一结果包接收。职责来源用于核对工作定义，AI采用、工具可得性和实际表现按各项具体证据判断。这里不是所有地区与细分岗位的完整清单。 ### 业务指标定义 产物：分母、时间、维度、归属和可追踪口径 内容覆盖：documented；以该应用的具体产物与独立接收条件呈现目标；内部Agent/应用方法不直接证明本企业语义正确。 任务应用：/careers/bi-analyst#work-bi-analyst-deliverable-1 变体：指标定义含混 ### 数据报告交付 产物：可重放查询、对账和可交互报表 内容覆盖：documented；以该应用的具体产物与独立接收条件呈现目标；自报内部案例不是本站报表成功率，目标仓库/权限需验证。 任务应用：/careers/bi-analyst#work-bi-analyst-deliverable-2 变体：业务仪表盘交互 ### 经营变化诊断 产物：异常定位、组成影响和反证说明 内容覆盖：documented；以该应用的具体产物与独立接收条件呈现目标；活动/策略因果需要另建实验或识别设计。 任务应用：/careers/bi-analyst#work-bi-analyst-deliverable-3 变体：新增退出分组；多维交叉与重叠归因 ### 自助分析支持 产物：语义模型、可复用数据集及使用说明 内容覆盖：documented；以该应用的具体产物与独立接收条件呈现目标；自助查询工具存在不代表用户能正确解释指标。 任务应用：/careers/bi-analyst#work-bi-analyst-deliverable-4 变体：语义数据集与治理；指标定义含混 ### 指标运行维护 产物：刷新、权限、质量和口径变更记录 内容覆盖：documented；以该应用的具体产物与独立接收条件呈现目标；长期数据变化和真实用户用法需持续维护，零错误状态不等于数据新鲜。 任务应用：/careers/bi-analyst#work-bi-analyst-deliverable-5 变体：语义数据集与治理；性能与流水线恢复；新鲜度或schema变化；业务仪表盘交互 范围来源：https://www.onetonline.org/link/summary/15-2051.01 当前范围以外： - 统计研究和预测部署仅在具体任务明确时纳入 - 企业预算所有权归FP&A 待补： - 需补多源指标一致性和真实业务解释 - 图表正确不能证明因果原因 ## 主要工作与 AI 当前变化 以下条件评估与局部证据分别标示，不表示整项职业已验证。 ### 业务指标定义 分母、时间、维度、归属和可追踪口径。可让Agent按真实决策给出分母/时间/维度/归属的候选口径及影响，固定后形成可追踪指标定义。 交付物：分母、时间、维度、归属和可追踪口径 判断依据：工具与方法依据、有条件的编辑推断 当前变化：可让Agent按真实决策给出分母/时间/维度/归属的候选口径及影响，固定后形成可追踪指标定义。 - 指标报表：交付可重放的查询、图表与解释：/work-units/W-A01?version=2026-10-21.workunits.2 商业智能分析的“业务指标定义”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是分母、时间、维度、归属和可追踪口径；从原始业务样例反算边界、去重、退款/迟到和维度归属，口径版本可复算。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） 应用范围：商业智能分析的“业务指标定义”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是分母、时间、维度、归属和可追踪口径；从原始业务样例反算边界、去重、退款/迟到和维度归属，口径版本可复算。 AI工作组织：代理依据问题、语义和只读反馈自行选择数据与探索顺序；发现空结果或异常基数时诊断修订；已接收的稳定报表直接执行程序。无需规定每个问题统一查几张表。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：内部案例展示从查表到分析的整包路径，公开应用支持可见查询；迁移成立的关键是能提供业务语义与真实只读反馈。因此建议委派完整候选分析，用独立控制验收，不能把内部案例直接写成企业即插即用。 当前可用性：mixed；内部Agent不可直接获取；公开示例提供自建入口。只读仓库/引擎、API账户和语义资产需使用方提供，本例未连库。 - 官方data analyst应用参考：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 2026-09-10发布页，2026-10-20读取；代码commit需执行时锁定；公开文档/示例，需模型服务及目标数据库适配；不可等同内部Agent。 ### 官方公开data analyst应用可作为查询和结果可见的工程入口，不能把应用参考当能力试验。 依据身份：工具与方法依据；状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：readme：data analyst app实现及SQL展示/记忆修正；关系：method 支持：提供将查询与结果交给使用者核对的实现方式。 限制：未在本站安装，版本需固定，目标数据需另适配。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 分析应用有了可见查询与可保存修正的参考实现：/explore?purpose=understand&domain=analysis&window=all#P-A-APP 首次公开 2026-09-10 ### 本例可在独立口径/结果控制下整包委派；稳定接收后转为参数化刷新，异常才重新探索。 依据身份：有条件的编辑推断；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：Lessons #2 Guide the Goal, Not the Path；#3 Meaning Lives in Code；关系：adjacent 支持：支持给目标、让代理自选路径并接入生成语义。 限制：周付款/渠道规则与控制为本站任务设计，未实测。 核查：2026-10-19；来源状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：SQL query/result visibility；关系：method 支持：支持可追溯交付。 限制：不提供未知业务问题的稳定性证据。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 ## 情境变化 ### 指标定义含混 输入变化：只问“用户有没有变少”，未说明活跃/付款/账号粒度。 判断变化：先委派问题澄清与几种可比定义的影响分析；避免静默固定最方便的定义。 验收变化：接收者确认用途与口径后，才按该定义验收数字。 研究前沿：外部内部工程案例已把动态数据发现、查询修正、报告与上下文组合；公开参考实现不等于原公司专用Agent可下载。 下一项验证：构造授权数据的小快照，先用独立控制检验跨周/重复/缺分区等验收；再给代理原业务问题且隐藏参考SQL，核对结果并保存澄清、重试、查询扫描量和人工时间。 未来改判信号： - 扩大：新问题与schema/埋点变化下，代理能识别粒度差异、修正连接并在未知数据时正确返回未解决。 - 收缩：依靠历史固定SQL才对，或语义层过期导致稳定错数；缩到已认可报表刷新并修复语义资产。 接收/拒收： - 问题定义与数据口径一致：接收者核对用户/事件粒度、时区与完整比较窗；独立参考切片覆盖跨周、重复、测试账号、退款与未知账户；SQL语法可不同但结果应等价。 拒收：按事件行数代替人数；不完整本周对整周；缺账号信息默认真实账号。 - 连接与控制数不产生虚假变化：独立检查每次join前后主键数和行数；按接收规则处理渠道一对多；总人数对账，若渠道非互斥不把渠道人数和当总人数。 拒收：维表多版本使用户翻倍；把未知渠道删去后解释为渠道下降。 - 交付可重放：验收者在只读环境用冻结快照、参数、引擎重跑SQL/代码，并从结果重建图表；稳定报表刷新使用已接收程序。 拒收：只交图片或查询文本而缺表版本；刷新时模型另写SQL导致口径漂移。 - 解释不过度声称且缺数据可见：逐条把说明数字回指结果，核对完整性/延迟；制造缺分区或空结果，要求返回数据异常而非业务零值；描述性分解明确不证明原因。 拒收：null变零；因营销上线时间重合直接声称其导致下降；文字使用不同期间数字。 失败处理：表语义不明时列出字段、候选解释和对结果的影响；连接后空集先检查授权、时窗和粒度；缺分区时标“不完整”，不造业务数值。预算用完保留查询与已知范围，未解决不写成下滑。 本站记录：本例尚未查询数据或运行Agent；运行数、通过率、费用和人工介入量均为null。 尚未覆盖：内部Agent/应用方法不直接证明本企业语义正确。 验证方法：从原始业务样例反算边界、去重、退款/迟到和维度归属，口径版本可复算。 ### 数据报告交付 查询/对账内核与可交互报表组合交付，既核数字也核发布后的真实界面状态。 交付物：参数化查询/结果表与独立口径对账；仪表盘组件/BI文件、可运行/发布入口及角色/刷新配置 判断依据：外部报告结果、工具与方法依据、有条件的编辑推断 当前变化：先用A01接收口径/查询结果，再让Agent交浏览器/BI报表；筛选、联动、下钻与角色/刷新状态按真实结果接收，不用静态图代替。 - 指标报表：交付可重放的查询、图表与解释：/work-units/W-A01?version=2026-10-21.workunits.2 商业智能分析的“数据报告交付”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是可重放查询、对账和可交互报表；报表关键数与源记录/独立SQL核对，筛选/权限、刷新和错误态真实操作。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） - 浏览器功能交付：操作、渲染与可访问性一起验收：/work-units/W-C04?version=2026-10-21.workunits.2 BI的报表是可运行界面而非SQL/静态图；用目标组件/BI文件和真实浏览器验证筛选/下钻/权限/刷新，查询成绩不继承为界面成绩。（partial；workunits/work-unit/W-C04@2026-10-21.workunits.2） 应用范围：商业智能分析的“数据报告交付”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是可重放查询、对账和可交互报表；报表关键数与源记录/独立SQL核对，筛选/权限、刷新和错误态真实操作。 AI工作组织：代理依据问题、语义和只读反馈自行选择数据与探索顺序；发现空结果或异常基数时诊断修订；已接收的稳定报表直接执行程序。无需规定每个问题统一查几张表。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：内部案例展示从查表到分析的整包路径，公开应用支持可见查询；迁移成立的关键是能提供业务语义与真实只读反馈。因此建议委派完整候选分析，用独立控制验收，不能把内部案例直接写成企业即插即用。 当前可用性：mixed；内部Agent不可直接获取；公开示例提供自建入口。只读仓库/引擎、API账户和语义资产需使用方提供，本例未连库。 - 官方data analyst应用参考：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 2026-09-10发布页，2026-10-20读取；代码commit需执行时锁定；公开文档/示例，需模型服务及目标数据库适配；不可等同内部Agent。 ### OpenAI公开的内部数据Agent案例描述了查表、SQL、结果修正到报告的闭环，但这是专用内部系统的厂商自报。 依据身份：外部报告结果；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：How it works；Context is everything；Moving fast without breaking trust；关系：partial 支持：支持在语义上下文与结果反馈下组织完整分析任务。 限制：无本企业题目通过率；不是可下载同配置产品。 核查：2026-10-19；来源状态：active 配置：2026-01-29工程案例；文中GPT-5.2，专用数据/权限/语义与记忆；评价使用人工golden SQL及结果比较，未公开本例样本/重试/成本分母。 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 业务问题到报告，数据Agent可以自己循环查数与修正：/explore?purpose=understand&domain=analysis&window=all#P-A-INTERNAL 首次公开 2026-01-29 ### 官方公开data analyst应用可作为查询和结果可见的工程入口，不能把应用参考当能力试验。 依据身份：工具与方法依据；状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：readme：data analyst app实现及SQL展示/记忆修正；关系：method 支持：提供将查询与结果交给使用者核对的实现方式。 限制：未在本站安装，版本需固定，目标数据需另适配。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 分析应用有了可见查询与可保存修正的参考实现：/explore?purpose=understand&domain=analysis&window=all#P-A-APP 首次公开 2026-09-10 ### 本例可在独立口径/结果控制下整包委派；稳定接收后转为参数化刷新，异常才重新探索。 依据身份：有条件的编辑推断；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：Lessons #2 Guide the Goal, Not the Path；#3 Meaning Lives in Code；关系：adjacent 支持：支持给目标、让代理自选路径并接入生成语义。 限制：周付款/渠道规则与控制为本站任务设计，未实测。 核查：2026-10-19；来源状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：SQL query/result visibility；关系：method 支持：支持可追溯交付。 限制：不提供未知业务问题的稳定性证据。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 ## 情境变化 研究前沿：外部内部工程案例已把动态数据发现、查询修正、报告与上下文组合；公开参考实现不等于原公司专用Agent可下载。 下一项验证：构造授权数据的小快照，先用独立控制检验跨周/重复/缺分区等验收；再给代理原业务问题且隐藏参考SQL，核对结果并保存澄清、重试、查询扫描量和人工时间。 未来改判信号： - 扩大：新问题与schema/埋点变化下，代理能识别粒度差异、修正连接并在未知数据时正确返回未解决。 - 收缩：依靠历史固定SQL才对，或语义层过期导致稳定错数；缩到已认可报表刷新并修复语义资产。 接收/拒收： - 问题定义与数据口径一致：接收者核对用户/事件粒度、时区与完整比较窗；独立参考切片覆盖跨周、重复、测试账号、退款与未知账户；SQL语法可不同但结果应等价。 拒收：按事件行数代替人数；不完整本周对整周；缺账号信息默认真实账号。 - 连接与控制数不产生虚假变化：独立检查每次join前后主键数和行数；按接收规则处理渠道一对多；总人数对账，若渠道非互斥不把渠道人数和当总人数。 拒收：维表多版本使用户翻倍；把未知渠道删去后解释为渠道下降。 - 交付可重放：验收者在只读环境用冻结快照、参数、引擎重跑SQL/代码，并从结果重建图表；稳定报表刷新使用已接收程序。 拒收：只交图片或查询文本而缺表版本；刷新时模型另写SQL导致口径漂移。 - 解释不过度声称且缺数据可见：逐条把说明数字回指结果，核对完整性/延迟；制造缺分区或空结果，要求返回数据异常而非业务零值；描述性分解明确不证明原因。 拒收：null变零；因营销上线时间重合直接声称其导致下降；文字使用不同期间数字。 失败处理：表语义不明时列出字段、候选解释和对结果的影响；连接后空集先检查授权、时窗和粒度；缺分区时标“不完整”，不造业务数值。预算用完保留查询与已知范围，未解决不写成下滑。 本站记录：本例尚未查询数据或运行Agent；运行数、通过率、费用和人工介入量均为null。 应用范围：BI的报表是可运行界面而非SQL/静态图；用目标组件/BI文件和真实浏览器验证筛选/下钻/权限/刷新，查询成绩不继承为界面成绩。 AI工作组织：Agent可自主修改页面、启动浏览器、观察trace并迭代，程序核对数据状态；使用者按目标接收体验。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：视觉任务已有独立研究对象，通用Python修复成绩不能迁移成界面完成率；浏览器反馈能把画面、动作和状态放进同一修正循环。 当前可用性：mixed；浏览器工具公开；模型、应用和浏览器版本需执行时固定，本站未安装。 - Playwright MCP：https://github.com/microsoft/playwright-mcp 2026-10-20公开仓库HEAD ab6d67cbf8b619338f096980806fdbe29432cc4d；实际运行另固定依赖/镜像/模型；开源；Node与浏览器环境，目标应用账户另备 ### 可用Playwright与axe检查常见自动化可访问性缺陷，但需要交互和辅助技术条件验证补足覆盖。 依据身份：工具与方法依据；状态：active - Playwright accessibility testing：https://playwright.dev/docs/accessibility-testing 定位：Introduction/Example accessibility tests；关系：method 支持：给出自动规则和边界。 限制：工具检查不是Agent表现或全面WCAG认证。 核查：2026-10-20；来源状态：active 适用限制：工具检查不是Agent表现或全面WCAG认证。 ### 行为契约和目标浏览器齐备时，AI可把实现、操作反馈和修复合成一个交付循环；新状态由独立控制验收。 依据身份：有条件的编辑推断；状态：active - Playwright MCP 官方实现：https://github.com/microsoft/playwright-mcp 定位：README：browser tools/configuration；关系：method 支持：提供操作与观察的可用接口。 限制：迁移到具体产品仍需独立数据与体验检查。 核查：2026-10-20；来源状态：active 适用限制：迁移到具体产品仍需独立数据与体验检查。 ## 情境变化 ### 业务仪表盘交互 输入变化：目标BI/浏览器环境、业务口径/结果内核、角色与发布入口固定。 判断变化：组合A01数据内核和真实界面实现接收；查询Agent案例不是仪表盘完成成绩。 验收变化：交组件/BI文件和运行入口，独立操作筛选/联动/下钻并对账分母/结果；验证角色权限、刷新/缓存/空态/错误态和重新进入。 研究前沿：SWE-bench Multimodal给出视觉JavaScript任务及历史实验，尚不能证明目标产品的跨浏览器与可访问性。 下一项验证：选择一个有异步提交和失败恢复的真实页面，先冻结端点/状态控制；让Agent交付并重放键盘、窄屏和慢网路径。 未来改判信号： - 新页面和浏览器下真实任务、持久状态及键盘流程持续通过，可考虑扩大相近输入范围。 - 视觉相似但交互/焦点/错误恢复退化，需收窄支持矩阵，应收窄或暂停相应采用。 接收/拒收： - 任务确实完成：执行输入—提交—刷新—重进，核对服务端或本地持久状态与错误恢复。 拒收：只截图漂亮页面，点击按钮无效果。 - 不同使用条件可接收：对目标视口、加载/失败态、键盘导航及焦点恢复逐项检查；axe只负责可自动发现的规则。 拒收：把零axe告警写成所有辅助技术用户都能完成任务。 - 改善可重复：在同一数据/网络/设备条件比较性能与布局，保留失败trace。 拒收：只更改阈值或关闭慢路径来声称性能改善。 失败处理：缺API、浏览器或登录身份时交付可重现阻塞与已完成范围；不能用静态图宣告功能交付。 本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。 尚未覆盖：实际BI平台/浏览器、角色模型与缓存/刷新行为需目标环境核验。 验证方法：独立操作筛选/联动/下钻，对照源记录和A01结果核对分母/汇总；切角色验证权限，检查刷新/缓存、空态/错误、重进和发布环境。 ### 经营变化诊断 异常定位、组成影响和反证说明。让Agent从总量回到可比分组，交组成/组内贡献与反证；经营故事不能越过描述数据范围。 交付物：异常定位、组成影响和反证说明 判断依据：有条件的编辑推断 当前变化：让Agent从总量回到可比分组，交组成/组内贡献与反证；经营故事不能越过描述数据范围。 - 组成变化诊断：拆清总体变化来自哪里：/work-units/W-A02?version=2026-10-21.workunits.2 商业智能分析的“经营变化诊断”使用组成变化诊断：拆清总体变化来自哪里，输入/接收对象是异常定位、组成影响和反证说明；权重/分母/新增组、within+mix和百分点复算，检查替代解释。（partial；workunits/work-unit/W-A02@2026-10-21.workunits.2） 应用范围：商业智能分析的“经营变化诊断”使用组成变化诊断：拆清总体变化来自哪里，输入/接收对象是异常定位、组成影响和反证说明；权重/分母/新增组、within+mix和百分点复算，检查替代解释。 AI工作组织：AI把数据核对、精确分解和解释组成一包，按异常回查；计算固定后可自动刷新。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：固定公式后可直接交给确定性程序复算；AI负责口径异常、分组探索及解释，不必增加Agent循环。组合恒等式通过只证明计算，不能识别干预效果。 当前可用性：mixed；计算可用SQL/Python直接执行，Agent为可选组织方式；内部数据Agent不是可下载同配置服务。 - SQL/Python分析环境：https://www.python.org/ 执行时固定Python、统计包和数据快照；本站未新运行；公开运行时；业务数据/口径与查询权限由任务方提供 ### 明确分组分母、参考权重和新增组约定后，组内与组成贡献可由程序精确分解并以总量恒等式验收。 依据身份：有条件的编辑推断；状态：active - Agent评估：以交付与最终状态验收：https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents 定位：结果验收与关键反例；关系：method 支持：支持独立验收与允许等价实现。 限制：恒等式不检验业务口径真实，也不提供干预因果解释。 核查：2026-10-19；来源状态：active 适用限制：恒等式不检验业务口径真实，也不提供干预因果解释。 ### AI可交付分组诊断、分解与解释，数据定义不一致时应先返回不同比较口径的影响；不承诺相邻分析系统在本题的成功率。 依据身份：有条件的编辑推断；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：Context is everything；关系：adjacent 支持：上下文核对是迁移依据。 限制：内部系统不等于公开配置；来源未测试本站的组成分解。 核查：2026-10-19；来源状态：active 适用限制：内部系统不等于公开配置；来源未测试本站的组成分解。 ## 情境变化 ### 新增退出分组 输入变化：两期类别集合不同或前期零分母。 判断变化：先明确不可比较部分；不能静默补零造出比率。 验收变化：输出可比分组、新增/退出贡献与总量桥接，约定交互项归属。 ### 多维交叉与重叠归因 输入变化：渠道×地区与一个对象多标签。 判断变化：可以探索，但固定基准后只按一个无重复归属定义合计。 验收变化：反向核对对象去重、层级总量和权重，避免贡献被算多次。 研究前沿：既有数据Agent案例是邻近分析工作法；本页8个百分点是确定性算例，不是模型试验。 下一项验证：盲测一个构成变化和一个组内变化的数据包，加入缺组、零分母、重复与新增组，对照独立求和并核对解释。 未来改判信号： - 口径变化和新分组下仍满足总量核对，解释不越过描述范围，可考虑扩大相近输入范围。 - 缺失/重叠分组导致贡献不可比，或把分解写成因果收益，应收窄或暂停相应采用。 接收/拒收： - 分组与总量对得上：核对每组分母、权重与总分子分母，先处理零分母和重复行 拒收：平均各组比率而不按分母加权。 - 分解完整且定义明确：验证within+mix=总变化；若改公式，解释交互项归属 拒收：混用不同权重的公式后把残差藏起来。 - 解释没有越过识别范围：复算指标并检查原因措辞，区分百分点和相对百分比 拒收：把11%到19%写成“增长8%”，或称产品造成8个百分点提升。 失败处理：缺组、零分母或口径改变时标记不可直接比较项，给补数或重定义方案；不凭空平滑出完整故事。 本站记录：代表例的参考/反例校准另有记录；未提供真实业务因果或新AI可靠率。 尚未覆盖：活动/策略因果需要另建实验或识别设计。 验证方法：权重/分母/新增组、within+mix和百分点复算，检查替代解释。 ### 自助分析支持 语义模型、可复用数据集及使用说明。可把语义模型、可复用数据集和使用说明一起交付，按真实查询/角色权限与指标样例验收。 交付物：语义模型、可复用数据集及使用说明 判断依据：可检查产物、有条件的编辑推断、工具与方法依据 当前变化：可把语义模型、可复用数据集和使用说明一起交付，按真实查询/角色权限与指标样例验收。 - 数据管道交付：接入、转换、补数和可信数据集：/work-units/W-C07?version=2026-10-21.workunits.2 商业智能分析的“自助分析支持”使用数据管道交付：接入、转换、补数和可信数据集，输入/接收对象是语义模型、可复用数据集及使用说明；同一指标跨报表/维度可对账，血缘/口径版本、权限与用户筛选路径一致。（partial；workunits/work-unit/W-C07@2026-10-21.workunits.2） - 指标报表：交付可重放的查询、图表与解释：/work-units/W-A01?version=2026-10-21.workunits.2 商业智能分析的“自助分析支持”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是语义模型、可复用数据集及使用说明；同一指标跨报表/维度可对账，血缘/口径版本、权限与用户筛选路径一致。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） 应用范围：商业智能分析的“自助分析支持”使用数据管道交付：接入、转换、补数和可信数据集，输入/接收对象是语义模型、可复用数据集及使用说明；同一指标跨报表/维度可对账，血缘/口径版本、权限与用户筛选路径一致。 AI工作组织：Agent可查询元数据、写转换、重放并对账，异常才重新探索；程序持续刷新冻结口径。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：Spider2-DBT提供数据转换仓库任务入口；真实流式/历史补数属于有明确差异的迁移。把对账、水位和修正语义固定，Agent才能从schema搜索到可接收数据。 当前可用性：open-implementation；Spider2-DBT有本地DuckDB/dbt入口；Snowflake另有账号暂停公告，不混同可用性。 - Spider2-DBT：https://github.com/xlang-ai/Spider2 2026-10-20公开仓库HEAD cafb867313aab4e674652054198f383cf4018943；实际运行另固定依赖/镜像/模型；开源本地入口；模型/资源另备 ### Spider2-DBT公开了DuckDB/dbt仓库级任务和运行入口，适合检验schema到转换结果的真实状态。 依据身份：可检查产物；状态：active - Spider2 官方任务与维护公告：https://github.com/xlang-ai/Spider2 定位：Overview；Spider2-DBT quickstart；关系：partial 支持：提供数据工程产物任务资产。 限制：不是全天候流式处理成绩；Snowflake公告中断不能转写成本地DBT不可用。 核查：2026-10-20；来源状态：active 适用限制：不是全天候流式处理成绩；Snowflake公告中断不能转写成本地DBT不可用。 ### 可委派来源到数据集的代码与诊断，独立核对口径、重放和下游状态后接收；不继承数据库恢复实验成绩。 依据身份：有条件的编辑推断；状态：active - Spider2 官方任务与维护公告：https://github.com/xlang-ai/Spider2 定位：Spider2-DBT任务入口；关系：partial 支持：仓库级转换任务可检查。 限制：流式迟到/治理与本组织数据未实测。 核查：2026-10-20；来源状态：active 适用限制：流式迟到/治理与本组织数据未实测。 ## 情境变化 ### 语义数据集与治理 输入变化：多人消费、指标口径、权限/保留变化。 判断变化：数据与语义/访问接口一起接收。 验收变化：口径版本、血缘、权限正反例、到期保留和消费者回归。 研究前沿：Spider2-DBT有公开DuckDB/dbt仓库级转换任务和runner，能检验schema到结果；其本地路径不等同全天候流式恢复。维护公告指出Snowflake账户访问受阻，不能把云账号可用性写成已重现结果。 下一项验证：冻结一包重复/迟到/人工修正数据，校准独立对账，再让Agent交管道并注入中断；从下游读取验证重放与新鲜度。 未来改判信号： - 新分区/迟到事件下幂等对账、下游口径和新鲜度同时成立，可考虑扩大相近输入范围。 - 补数覆盖修正、数据重复或schema变化造成静默错误，应收窄或暂停相应采用。 接收/拒收： - 数据语义与完整性正确：以业务键、金额、约束及下游查询核对源到目标；异常分类而非直接丢弃。 拒收：行数相等但JOIN放大金额或口径混用。 - 补数和重跑幂等：施加重复/迟到/中断，重跑并核对人工修正与增量水位。 拒收：补数覆盖后来修正或重跑产生重复数据。 - 可供消费并可维护：验证数据新鲜度、访问正反矩阵、血缘和schema变化下的下游回归，记录资源。 拒收：数据正确但刷新/权限失效，或消费者取到旧schema。 失败处理：对账失败保留异常与可重放中间态；不能删行凑总量或静默改水位。 本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。 应用范围：商业智能分析的“自助分析支持”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是语义模型、可复用数据集及使用说明；同一指标跨报表/维度可对账，血缘/口径版本、权限与用户筛选路径一致。 AI工作组织：代理依据问题、语义和只读反馈自行选择数据与探索顺序；发现空结果或异常基数时诊断修订；已接收的稳定报表直接执行程序。无需规定每个问题统一查几张表。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：内部案例展示从查表到分析的整包路径，公开应用支持可见查询；迁移成立的关键是能提供业务语义与真实只读反馈。因此建议委派完整候选分析，用独立控制验收，不能把内部案例直接写成企业即插即用。 当前可用性：mixed；内部Agent不可直接获取；公开示例提供自建入口。只读仓库/引擎、API账户和语义资产需使用方提供，本例未连库。 - 官方data analyst应用参考：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 2026-09-10发布页，2026-10-20读取；代码commit需执行时锁定；公开文档/示例，需模型服务及目标数据库适配；不可等同内部Agent。 ### 官方公开data analyst应用可作为查询和结果可见的工程入口，不能把应用参考当能力试验。 依据身份：工具与方法依据；状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：readme：data analyst app实现及SQL展示/记忆修正；关系：method 支持：提供将查询与结果交给使用者核对的实现方式。 限制：未在本站安装，版本需固定，目标数据需另适配。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 分析应用有了可见查询与可保存修正的参考实现：/explore?purpose=understand&domain=analysis&window=all#P-A-APP 首次公开 2026-09-10 ### 本例可在独立口径/结果控制下整包委派；稳定接收后转为参数化刷新，异常才重新探索。 依据身份：有条件的编辑推断；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：Lessons #2 Guide the Goal, Not the Path；#3 Meaning Lives in Code；关系：adjacent 支持：支持给目标、让代理自选路径并接入生成语义。 限制：周付款/渠道规则与控制为本站任务设计，未实测。 核查：2026-10-19；来源状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：SQL query/result visibility；关系：method 支持：支持可追溯交付。 限制：不提供未知业务问题的稳定性证据。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 ## 情境变化 ### 指标定义含混 输入变化：只问“用户有没有变少”，未说明活跃/付款/账号粒度。 判断变化：先委派问题澄清与几种可比定义的影响分析；避免静默固定最方便的定义。 验收变化：接收者确认用途与口径后，才按该定义验收数字。 研究前沿：外部内部工程案例已把动态数据发现、查询修正、报告与上下文组合；公开参考实现不等于原公司专用Agent可下载。 下一项验证：构造授权数据的小快照，先用独立控制检验跨周/重复/缺分区等验收；再给代理原业务问题且隐藏参考SQL，核对结果并保存澄清、重试、查询扫描量和人工时间。 未来改判信号： - 扩大：新问题与schema/埋点变化下，代理能识别粒度差异、修正连接并在未知数据时正确返回未解决。 - 收缩：依靠历史固定SQL才对，或语义层过期导致稳定错数；缩到已认可报表刷新并修复语义资产。 接收/拒收： - 问题定义与数据口径一致：接收者核对用户/事件粒度、时区与完整比较窗；独立参考切片覆盖跨周、重复、测试账号、退款与未知账户；SQL语法可不同但结果应等价。 拒收：按事件行数代替人数；不完整本周对整周；缺账号信息默认真实账号。 - 连接与控制数不产生虚假变化：独立检查每次join前后主键数和行数；按接收规则处理渠道一对多；总人数对账，若渠道非互斥不把渠道人数和当总人数。 拒收：维表多版本使用户翻倍；把未知渠道删去后解释为渠道下降。 - 交付可重放：验收者在只读环境用冻结快照、参数、引擎重跑SQL/代码，并从结果重建图表；稳定报表刷新使用已接收程序。 拒收：只交图片或查询文本而缺表版本；刷新时模型另写SQL导致口径漂移。 - 解释不过度声称且缺数据可见：逐条把说明数字回指结果，核对完整性/延迟；制造缺分区或空结果，要求返回数据异常而非业务零值；描述性分解明确不证明原因。 拒收：null变零；因营销上线时间重合直接声称其导致下降；文字使用不同期间数字。 失败处理：表语义不明时列出字段、候选解释和对结果的影响；连接后空集先检查授权、时窗和粒度；缺分区时标“不完整”，不造业务数值。预算用完保留查询与已知范围，未解决不写成下滑。 本站记录：本例尚未查询数据或运行Agent；运行数、通过率、费用和人工介入量均为null。 尚未覆盖：自助查询工具存在不代表用户能正确解释指标。 验证方法：同一指标跨报表/维度可对账，血缘/口径版本、权限与用户筛选路径一致。 ### 指标运行维护 刷新、权限、质量和口径变更记录。可委派刷新/权限/质量监测和口径变更回归，缺分区/schema变化要显式不完整范围，不能静默出新数。 交付物：刷新、权限、质量和口径变更记录 判断依据：可检查产物、有条件的编辑推断、工具与方法依据 当前变化：可委派刷新/权限/质量监测和口径变更回归，缺分区/schema变化要显式不完整范围，不能静默出新数。 - 数据管道交付：接入、转换、补数和可信数据集：/work-units/W-C07?version=2026-10-21.workunits.2 商业智能分析的“指标运行维护”使用数据管道交付：接入、转换、补数和可信数据集，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。（partial；workunits/work-unit/W-C07@2026-10-21.workunits.2） - 指标报表：交付可重放的查询、图表与解释：/work-units/W-A01?version=2026-10-21.workunits.2 商业智能分析的“指标运行维护”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） - 浏览器功能交付：操作、渲染与可访问性一起验收：/work-units/W-C04?version=2026-10-21.workunits.2 指标维护还需发布报表中的筛选/缓存/角色状态回归，不能只查最新SQL结果。（partial；workunits/work-unit/W-C04@2026-10-21.workunits.2） 应用范围：商业智能分析的“指标运行维护”使用数据管道交付：接入、转换、补数和可信数据集，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。 AI工作组织：Agent可查询元数据、写转换、重放并对账，异常才重新探索；程序持续刷新冻结口径。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：Spider2-DBT提供数据转换仓库任务入口；真实流式/历史补数属于有明确差异的迁移。把对账、水位和修正语义固定，Agent才能从schema搜索到可接收数据。 当前可用性：open-implementation；Spider2-DBT有本地DuckDB/dbt入口；Snowflake另有账号暂停公告，不混同可用性。 - Spider2-DBT：https://github.com/xlang-ai/Spider2 2026-10-20公开仓库HEAD cafb867313aab4e674652054198f383cf4018943；实际运行另固定依赖/镜像/模型；开源本地入口；模型/资源另备 ### Spider2-DBT公开了DuckDB/dbt仓库级任务和运行入口，适合检验schema到转换结果的真实状态。 依据身份：可检查产物；状态：active - Spider2 官方任务与维护公告：https://github.com/xlang-ai/Spider2 定位：Overview；Spider2-DBT quickstart；关系：partial 支持：提供数据工程产物任务资产。 限制：不是全天候流式处理成绩；Snowflake公告中断不能转写成本地DBT不可用。 核查：2026-10-20；来源状态：active 适用限制：不是全天候流式处理成绩；Snowflake公告中断不能转写成本地DBT不可用。 ### 可委派来源到数据集的代码与诊断，独立核对口径、重放和下游状态后接收；不继承数据库恢复实验成绩。 依据身份：有条件的编辑推断；状态：active - Spider2 官方任务与维护公告：https://github.com/xlang-ai/Spider2 定位：Spider2-DBT任务入口；关系：partial 支持：仓库级转换任务可检查。 限制：流式迟到/治理与本组织数据未实测。 核查：2026-10-20；来源状态：active 适用限制：流式迟到/治理与本组织数据未实测。 ## 情境变化 ### 语义数据集与治理 输入变化：多人消费、指标口径、权限/保留变化。 判断变化：数据与语义/访问接口一起接收。 验收变化：口径版本、血缘、权限正反例、到期保留和消费者回归。 ### 性能与流水线恢复 输入变化：刷新延迟、成本或任务中断。 判断变化：按管道结果恢复，不扩成数据库物理恢复。 验收变化：代表吞吐/成本、水位、幂等断点及下游新鲜度。 研究前沿：Spider2-DBT有公开DuckDB/dbt仓库级转换任务和runner，能检验schema到结果；其本地路径不等同全天候流式恢复。维护公告指出Snowflake账户访问受阻，不能把云账号可用性写成已重现结果。 下一项验证：冻结一包重复/迟到/人工修正数据，校准独立对账，再让Agent交管道并注入中断；从下游读取验证重放与新鲜度。 未来改判信号： - 新分区/迟到事件下幂等对账、下游口径和新鲜度同时成立，可考虑扩大相近输入范围。 - 补数覆盖修正、数据重复或schema变化造成静默错误，应收窄或暂停相应采用。 接收/拒收： - 数据语义与完整性正确：以业务键、金额、约束及下游查询核对源到目标；异常分类而非直接丢弃。 拒收：行数相等但JOIN放大金额或口径混用。 - 补数和重跑幂等：施加重复/迟到/中断，重跑并核对人工修正与增量水位。 拒收：补数覆盖后来修正或重跑产生重复数据。 - 可供消费并可维护：验证数据新鲜度、访问正反矩阵、血缘和schema变化下的下游回归，记录资源。 拒收：数据正确但刷新/权限失效，或消费者取到旧schema。 失败处理：对账失败保留异常与可重放中间态；不能删行凑总量或静默改水位。 本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。 应用范围：商业智能分析的“指标运行维护”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。 AI工作组织：代理依据问题、语义和只读反馈自行选择数据与探索顺序；发现空结果或异常基数时诊断修订；已接收的稳定报表直接执行程序。无需规定每个问题统一查几张表。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：内部案例展示从查表到分析的整包路径，公开应用支持可见查询；迁移成立的关键是能提供业务语义与真实只读反馈。因此建议委派完整候选分析，用独立控制验收，不能把内部案例直接写成企业即插即用。 当前可用性：mixed；内部Agent不可直接获取；公开示例提供自建入口。只读仓库/引擎、API账户和语义资产需使用方提供，本例未连库。 - 官方data analyst应用参考：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 2026-09-10发布页，2026-10-20读取；代码commit需执行时锁定；公开文档/示例，需模型服务及目标数据库适配；不可等同内部Agent。 ### 官方公开data analyst应用可作为查询和结果可见的工程入口，不能把应用参考当能力试验。 依据身份：工具与方法依据；状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：readme：data analyst app实现及SQL展示/记忆修正；关系：method 支持：提供将查询与结果交给使用者核对的实现方式。 限制：未在本站安装，版本需固定，目标数据需另适配。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 分析应用有了可见查询与可保存修正的参考实现：/explore?purpose=understand&domain=analysis&window=all#P-A-APP 首次公开 2026-09-10 ### 本例可在独立口径/结果控制下整包委派；稳定接收后转为参数化刷新，异常才重新探索。 依据身份：有条件的编辑推断；状态：active - OpenAI内部分析Agent：从业务问题到查询与报告：https://openai.com/index/inside-our-in-house-data-agent/ 定位：Lessons #2 Guide the Goal, Not the Path；#3 Meaning Lives in Code；关系：adjacent 支持：支持给目标、让代理自选路径并接入生成语义。 限制：周付款/渠道规则与控制为本站任务设计，未实测。 核查：2026-10-19；来源状态：active - 数据分析应用参考：查询可见，修正明确保存：https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme 定位：SQL query/result visibility；关系：method 支持：支持可追溯交付。 限制：不提供未知业务问题的稳定性证据。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 ## 情境变化 ### 新鲜度或schema变化 输入变化：最新分区迟到、事件字段改名或生成逻辑已改。 判断变化：先委派数据诊断，报表可交不完整范围，不能完整接收。 验收变化：以版本/新鲜度控制识别故障；修复后重跑原比较窗。 研究前沿：外部内部工程案例已把动态数据发现、查询修正、报告与上下文组合；公开参考实现不等于原公司专用Agent可下载。 下一项验证：构造授权数据的小快照，先用独立控制检验跨周/重复/缺分区等验收；再给代理原业务问题且隐藏参考SQL，核对结果并保存澄清、重试、查询扫描量和人工时间。 未来改判信号： - 扩大：新问题与schema/埋点变化下，代理能识别粒度差异、修正连接并在未知数据时正确返回未解决。 - 收缩：依靠历史固定SQL才对，或语义层过期导致稳定错数；缩到已认可报表刷新并修复语义资产。 接收/拒收： - 问题定义与数据口径一致：接收者核对用户/事件粒度、时区与完整比较窗；独立参考切片覆盖跨周、重复、测试账号、退款与未知账户；SQL语法可不同但结果应等价。 拒收：按事件行数代替人数；不完整本周对整周；缺账号信息默认真实账号。 - 连接与控制数不产生虚假变化：独立检查每次join前后主键数和行数；按接收规则处理渠道一对多；总人数对账，若渠道非互斥不把渠道人数和当总人数。 拒收：维表多版本使用户翻倍；把未知渠道删去后解释为渠道下降。 - 交付可重放：验收者在只读环境用冻结快照、参数、引擎重跑SQL/代码，并从结果重建图表；稳定报表刷新使用已接收程序。 拒收：只交图片或查询文本而缺表版本；刷新时模型另写SQL导致口径漂移。 - 解释不过度声称且缺数据可见：逐条把说明数字回指结果，核对完整性/延迟；制造缺分区或空结果，要求返回数据异常而非业务零值；描述性分解明确不证明原因。 拒收：null变零；因营销上线时间重合直接声称其导致下降；文字使用不同期间数字。 失败处理：表语义不明时列出字段、候选解释和对结果的影响；连接后空集先检查授权、时窗和粒度；缺分区时标“不完整”，不造业务数值。预算用完保留查询与已知范围，未解决不写成下滑。 本站记录：本例尚未查询数据或运行Agent；运行数、通过率、费用和人工介入量均为null。 应用范围：指标维护还需发布报表中的筛选/缓存/角色状态回归，不能只查最新SQL结果。 AI工作组织：Agent可自主修改页面、启动浏览器、观察trace并迭代，程序核对数据状态；使用者按目标接收体验。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：视觉任务已有独立研究对象，通用Python修复成绩不能迁移成界面完成率；浏览器反馈能把画面、动作和状态放进同一修正循环。 当前可用性：mixed；浏览器工具公开；模型、应用和浏览器版本需执行时固定，本站未安装。 - Playwright MCP：https://github.com/microsoft/playwright-mcp 2026-10-20公开仓库HEAD ab6d67cbf8b619338f096980806fdbe29432cc4d；实际运行另固定依赖/镜像/模型；开源；Node与浏览器环境，目标应用账户另备 ### 行为契约和目标浏览器齐备时，AI可把实现、操作反馈和修复合成一个交付循环；新状态由独立控制验收。 依据身份：有条件的编辑推断；状态：active - Playwright MCP 官方实现：https://github.com/microsoft/playwright-mcp 定位：README：browser tools/configuration；关系：method 支持：提供操作与观察的可用接口。 限制：迁移到具体产品仍需独立数据与体验检查。 核查：2026-10-20；来源状态：active 适用限制：迁移到具体产品仍需独立数据与体验检查。 ## 情境变化 ### 业务仪表盘交互 输入变化：目标BI/浏览器环境、业务口径/结果内核、角色与发布入口固定。 判断变化：组合A01数据内核和真实界面实现接收；查询Agent案例不是仪表盘完成成绩。 验收变化：交组件/BI文件和运行入口，独立操作筛选/联动/下钻并对账分母/结果；验证角色权限、刷新/缓存/空态/错误态和重新进入。 研究前沿：SWE-bench Multimodal给出视觉JavaScript任务及历史实验，尚不能证明目标产品的跨浏览器与可访问性。 下一项验证：选择一个有异步提交和失败恢复的真实页面，先冻结端点/状态控制；让Agent交付并重放键盘、窄屏和慢网路径。 未来改判信号： - 新页面和浏览器下真实任务、持久状态及键盘流程持续通过，可考虑扩大相近输入范围。 - 视觉相似但交互/焦点/错误恢复退化，需收窄支持矩阵，应收窄或暂停相应采用。 接收/拒收： - 任务确实完成：执行输入—提交—刷新—重进，核对服务端或本地持久状态与错误恢复。 拒收：只截图漂亮页面，点击按钮无效果。 - 不同使用条件可接收：对目标视口、加载/失败态、键盘导航及焦点恢复逐项检查；axe只负责可自动发现的规则。 拒收：把零axe告警写成所有辅助技术用户都能完成任务。 - 改善可重复：在同一数据/网络/设备条件比较性能与布局，保留失败trace。 拒收：只更改阈值或关闭慢路径来声称性能改善。 失败处理：缺API、浏览器或登录身份时交付可重现阻塞与已完成范围；不能用静态图宣告功能交付。 本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。 尚未覆盖：长期数据变化和真实用户用法需持续维护，零错误状态不等于数据新鲜。 验证方法：迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。 ## 与工作关联的进展 ### 分析应用有了可见查询与可保存修正的参考实现 公开 2026-09-10 公开数据分析应用示例把数据发现、只读查询、结果解释与修正保存连接起来。 支持范围：工程参考需适配数据库和权限，不证明任意分析都正确。 来源状态：active /explore?purpose=understand&domain=analysis&window=all#P-A-APP ### 业务问题到报告，数据Agent可以自己循环查数与修正 公开 2026-01-29 OpenAI内部数据Agent展示从发现数据、运行查询到发布报告的闭环，并强调表的生成逻辑与业务语义。 支持范围：案例不提供通用正确率，也不能从观察数据自动创造因果识别。 来源状态：active /explore?purpose=understand&domain=analysis&window=all#P-A-INTERNAL ## 未来3–5年条件情景 未来 3–5 年（2029–2031） 未来 3–5 年是编辑条件情景，不是就业数量预测。每项均列基准、加速、受限路径和需观察的信号；职业职责来源不等于 AI 能力证据。 基准：2029–2031，报表更新、口径检查和初步诊断将更多衔接为持续信息产品；分析师更多负责决策问题、指标变更和解释边界，稳定计算转可审计刷新。 加速：若新业务语义/权限/schema条件下结果仍可追踪并独立对账，可扩大自助分析与持续报告。 受限：若口径不一致和权限分散，自动回答容易放大不同报表间的冲突。 改判信号： - 自然语言查询与独立SQL对账差异 - 分析返工中语义问题的比例 ## 进入与成长的公开能力证据 ### 基础知识与工具 先理解表的粒度、关联、聚合、指标分母和描述统计，练习SQL与一种报表工具，并能用业务语言解释数字；工具品牌可替换。 身份：editorial-inference - Business Intelligence Analysts：https://www.onetonline.org/link/details/15-2051.01 定位：Definition；Tasks：查询报告、指标需求、测试、建议；Knowledge：计算机、数学、经济会计；Software Skills：SQL类查询与BI工具；核查 2026-10-21；限制：美国职业职责、知识和工具参照；并非中国招工、市场或统一准入规定；本次不采用薪酬、学历比例和工具热度。 ### 可展示的入门作品 入门作品可从公开或合成交易构建一个可筛选报表：附数据字典、查询、口径说明和源记录对账，说明去重、缺失、退款及刷新时点怎样影响结果。 身份：editorial-inference - Business Intelligence Analysts：https://www.onetonline.org/link/details/15-2051.01 定位：Tasks：建立BI工具/数据库/输出、文档、按需求测试；核查 2026-10-21；限制：美国职业职责、知识和工具参照；并非中国招工、市场或统一准入规定；本次不采用薪酬、学历比例和工具热度。 ### 从局部工作到完整责任 初级可按已确定口径维护查询与报表；完整责任还要确认决策问题、协调口径、验证数据来源与权限、解释变化及不确定性，区分相关描述与因果结论。 身份：editorial-inference - Business Intelligence Analysts：https://www.onetonline.org/link/details/15-2051.01 定位：Tasks：需求一致性测试、趋势、行动建议、及时信息流；核查 2026-10-21；限制：美国职业职责、知识和工具参照；并非中国招工、市场或统一准入规定；本次不采用薪酬、学历比例和工具热度。 ### 地区适用与正式准入 此页以美国Business Intelligence Analysts为职责参照。本轮未核到能直接等同本站BI方向的中国统一准入标准；未用大数据或统计相关职业证书替代这一空白，具体雇主、行业与岗位条件另核。 身份：scope-limit - Business Intelligence Analysts：https://www.onetonline.org/link/details/15-2051.01 定位：Tasks / Knowledge / Software Skills；核查 2026-10-21；限制：美国职业职责、知识和工具参照；并非中国招工、市场或统一准入规定；本次不采用薪酬、学历比例和工具热度。 完整交付作品证据： - 分母、时间、维度、归属和可追踪口径；附从原始业务样例反算边界、去重、退款/迟到和维度归属，口径版本可复算。 - 可重放查询、对账和可交互报表；附报表关键数与源记录/独立SQL核对，筛选/权限、刷新和错误态真实操作。 具体地区、职级和组织要求按目标岗位核对；美国资料不自动作为中国资格要求。 ## 相邻方向及区别 - 企业财务计划与分析：/careers/financial-planning-analyst.md?version=2026-10-21.careers.2 两者都做经营分析；FP&A 还围绕预算、利润和资金安排承担财务语境责任。 - 统计研究与应用：/careers/statistician.md?version=2026-10-21.careers.2 BI 偏指标解释和运营节奏；统计师更强调抽样、研究设计与推断。 ## 职业名称与分类映射 - O*NET-SOC 15-2051.01 Business Intelligence Analysts；O*NET-SOC 2019；OnLine Updated 2026；US；exact 本记录按该职业定义组织职责；中文为编辑译名，不声明中美资格等价。；定位 Definition / Tasks ## 工作资料与来源 - 指标报表：交付可重放的查询、图表与解释：/work-units/W-A01?version=2026-10-21.workunits.2 商业智能分析的“指标运行维护”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） - 浏览器功能交付：操作、渲染与可访问性一起验收：/work-units/W-C04?version=2026-10-21.workunits.2 指标维护还需发布报表中的筛选/缓存/角色状态回归，不能只查最新SQL结果。（partial；workunits/work-unit/W-C04@2026-10-21.workunits.2） - 组成变化诊断：拆清总体变化来自哪里：/work-units/W-A02?version=2026-10-21.workunits.2 商业智能分析的“经营变化诊断”使用组成变化诊断：拆清总体变化来自哪里，输入/接收对象是异常定位、组成影响和反证说明；权重/分母/新增组、within+mix和百分点复算，检查替代解释。（partial；workunits/work-unit/W-A02@2026-10-21.workunits.2） - 数据管道交付：接入、转换、补数和可信数据集：/work-units/W-C07?version=2026-10-21.workunits.2 商业智能分析的“指标运行维护”使用数据管道交付：接入、转换、补数和可信数据集，输入/接收对象是刷新、权限、质量和口径变更记录；迟到/缺测/字段更名与越权负例，重新刷新后核对老口径和受影响报表。（partial；workunits/work-unit/W-C07@2026-10-21.workunits.2） - Business Intelligence Analysts：https://www.onetonline.org/link/summary/15-2051.01 O*NET / 美国劳工部职业信息网络；US；O*NET OnLine / Updated 2026 / 2026-10-20访问快照；核查 2026-10-20；状态 active 定位：职业定义、Tasks、Work Activities；不采用薪酬和学历比例 范围：美国 O*NET-SOC 职业职责参照；中文标题及导航由编辑按工作内容映射 限制：不证明中国岗位数量、准入资格或在招需求；不提供该职业的 AI 实测结论。 - Business Intelligence Analysts：https://www.onetonline.org/link/details/15-2051.01 O*NET OnLine；US；2026-10-21原文核查；具体文号/技术版本见定位；核查 2026-10-21；状态 active 定位：Tasks / Knowledge / Software Skills 范围：职业准备及地区适用参照；不提供AI任务成绩 限制：美国职业职责、知识和工具参照；并非中国招工、市场或统一准入规定；本次不采用薪酬、学历比例和工具热度。 ## 用于自己的问题 个人适配、具体岗位判断与计划由用户自己的 Agent 结合已有材料处理。复用已知上下文，仅追问影响结论的缺口；目录不是全部选项。阅读或比较公开工作本身无需档案、固定二选一、保存记录或行动计划。 --- # 统计研究与应用 职业；职业资料版本 2026-10-21.careers.2；核查 2026-10-20 设计数据获取和推断方法，解释估计、不确定性与适用条件。 统计是职业与方法领域；概率论研究、BI报表和预测工程不自动等同统计岗位。 本页按职责提供公开参照；地域、职级和准入以目标组织的现行要求另核。 名称/别名：统计师、统计分析师、试验设计、调查统计、统计建模 来源状态：active ## 职业工作范围 按本职业主要交付组织工作范围；多个目标可以由同一结果包接收。职责来源用于核对工作定义，AI采用、工具可得性和实际表现按各项具体证据判断。这里不是所有地区与细分岗位的完整清单。 ### 研究设计与抽样 产物：目标总体、估计对象、样本方案和功效；设计对照与样本量代码；功效/覆盖/偏差情景 内容覆盖：partial；已给完整设计/验证路径；专属抽样AI证据仍相邻，保留任务/证据缺口。 任务应用：/careers/statistician#work-statistician-delivery-1 变体：抽样调查；非临床随机或配对实验设计 ### 数据质量与缺失方案 产物：测量、抽样偏差、缺失和处理依据；主键/计数与排除桥接；缺失/抽样偏差敏感性 内容覆盖：documented；对应工作：交付质量与缺失处理分析集。 任务应用：/careers/statistician#work-statistician-delivery-2 变体：调查/缺失数据 ### 统计推断 产物：估计、区间、检验和模型诊断；参数估计/区间/检验；残差/影响与敏感性 内容覆盖：documented；对应工作：交付估计、区间与模型诊断。 任务应用：/careers/statistician#work-statistician-delivery-3 变体：按既定设计的统计推断与报告 ### 实验与因果分析 产物：设计、识别、敏感性和可支持结论；设计/时间零点与识别说明；效应/不确定性和偏差敏感性 内容覆盖：partial；内容给出可执行设计—分析路径；原始AI证据不覆盖一般因果识别选择，须专项验证。 任务应用：/careers/statistician#work-statistician-delivery-4 变体：非临床随机或配对实验设计；观察性因果设计；按既定设计的统计推断与报告 ### 统计方法研究 产物：新方法、性质、模拟及对照；性质/条件或有效反例；公平基线、模拟与MonteCarlo误差 内容覆盖：partial；有理论/反例/模拟联合产物路径；统计新方法原创性与有效性需专属证据。 任务应用：/careers/statistician#work-statistician-delivery-5 变体：构造/参数优化；统计方法研究复现 ### 结果解释与复现 产物：可复算分析、假设、局限和沟通资料；可重建项目与表图；偏离/局限和沟通说明 内容覆盖：documented；对应工作：交付可复算研究说明。 任务应用：/careers/statistician#work-statistician-delivery-6 变体：按既定设计的统计推断与报告 范围来源：https://www.onetonline.org/link/summary/15-2041.00 当前范围以外： - BI展示和生产预测系统非默认全部职责 - 不把统计关联直接当因果或现实收益 待补： - 抽样、观察因果识别和新统计方法研究有任务/验证路径，直接AI全流程证据仍有限。 - 复杂Bayes/层级等方法需目标问题专属理论、诊断和独立计算，不能从生物产物分数推全职业。 ## 主要工作与 AI 当前变化 以下条件评估与局部证据分别标示，不表示整项职业已验证。 ### 交付抽样/实验设计 明确总体、估计对象、分配/抽样与可承受误差。 交付物：设计对照与样本量代码；功效/覆盖/偏差情景 判断依据：有条件的编辑推断 当前变化：可委派设计候选与计算；统计方法适用和临床SAP证据只能部分迁移到调查设计，须独立操作特征接收。 - 研究设计包：估计目标、抽样/随机化与分析计划：/work-units/W-M07?version=2026-10-21.workunits.2 调查与随机/配对实验分别按实际分配/抽样单位接收；观察因果另由delivery-4承接。（partial；workunits/work-unit/W-M07@2026-10-21.workunits.2） 应用范围：调查与随机/配对实验分别按实际分配/抽样单位接收；观察因果另由delivery-4承接。 AI工作组织：给研究目标和约束，代理自选计算、设计比较和计划组织；模拟反馈能修正设计，关键选择有依据，不固定一条统计流程。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：SAPAI直接支持方案到计划草稿，同时显示统计推理项仍有漏项；StatQA支持先查方法适用性。因此采用到可计算、可推演的设计候选，不把格式完整当方法正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 3d5f6b5…；NeurIPS2024；公开数据/脚本，不能当研究设计成品。 - SAPAI公开研究：https://www.medrxiv.org/content/10.64898/2026.03.19.26348626v1 v1 2026-03-19；可读论文；所链github本轮未核实可下载，不冒称即用产品。 ### 研究设计可按估计目标、独立功效/操作特征和可执行计划接收候选，而非仅检查文稿。 依据身份：有条件的编辑推断；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview / applicability errors；关系：adjacent 支持：方法适用性错误要求显式核对前提。 限制：抽样/因果设计是迁移任务，未有本站直接模型成绩。 核查：2026-10-20；来源状态：active 适用限制：抽样/因果设计是迁移任务，未有本站直接模型成绩。 ## 情境变化 ### 抽样调查 输入变化：分层/整群/不等概率及不应答。 判断变化：可交抽样/加权设计和偏差情景，不能套两独立样本公式。 验收变化：纳入概率、设计效应/权重、覆盖误差和不应答敏感性。 ### 非临床随机或配对实验设计 输入变化：非临床研究拟采用独立/聚类随机、配对或重复测量实验，未必涉及患者或临床终点。 判断变化：可交实验设计、功效和分析计划候选；临床SAP成绩不直接迁移成该设计已测。 验收变化：独立核实验单位、分配/配对/聚类、测量时点和假设；模拟操作特征及效应/失访情景，不套不匹配的两独立样本公式。 研究前沿：已出现临床SAP专属验证；样本和模型受限，临床试验注册/合规和长期结果不由AI文稿证明。 下一项验证：在公开或授权方案上隐藏参考SAP，让代理输出估计目标、功效代码和计划；先用错误单侧/忽略聚类/改变估计目标负控制校准，再独立模拟。 未来改判信号： - 扩大：未见设计的操作特征独立复现、条款与终点一致，统计选择可追溯。 - 收缩：敏感性幻造、参数无来源或I类错误失控；缩到方案对照与计算候选。 接收/拒收： - 设计回答原问题：独立列总体、变量、比较、时点与估计目标；区分随机/观察设计，确认干扰、选择和依从性假设。 拒收：要治疗策略效应却只分析完成者；观察相关性写成随机试验效应。 - 样本量和实施一致：另一计算路径复算功效/样本量；模拟拟定设计的I类错误/覆盖/功效，考虑分配比、聚类、失访和效应大小不确定。 拒收：把总样本当每组；忽略ICC、双侧/单侧或多重检验。 - 缺失和分析计划可执行：从空结果表和合成边界数据推演分析；临床敏感性须同估计目标，补救治疗/死亡等中间事件策略不得静默变。 拒收：填“使用适当方法”无算法；换目标却说只是敏感性。 - 版本及选择不追结果：对照锁定方案与输出，重大统计选择逐项标来源/新建议/未定；中期方案检验alpha/访问隔离，未授权结果不能用于设计优化。 拒收：看过显著结果后回写“预设”；幻造临床方案未规定的敏感性分析。 失败处理：缺参数时交情景范围和决策影响，不造方差/事件率；问题不可识别则交所需设计修改；预算不足区分探索建议与冻结计划。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：调查设计缺直接AI全流程结果，需抽样框和设计效应输入。 验证方法：复算纳入概率/权重、ICC/分配/失访影响，用模拟检查功效/覆盖，未识别不宣称可估。 ### 交付质量与缺失处理分析集 从原始样本形成可追踪数据集及偏差/缺失方案。 交付物：主键/计数与排除桥接；缺失/抽样偏差敏感性 判断依据：外部报告结果、有条件的编辑推断 当前变化：可委派转换与诊断，方法适用须核对采集机制；空结果不等于真实零。 - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 选择统计方法与分析集验收；不继承生物产物成绩作为调查通过率。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） 应用范围：选择统计方法与分析集验收；不继承生物产物成绩作为调查通过率。 AI工作组织：代理围绕估计目标组织转换、计算、诊断与解释；反馈来自数据控制和模型检查，稳定复现用固定项目，缺口返回方案层。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：BixBench3直接展示按给定方法处理原始生物数据的长链执行；StatQA显示方法适用不能只靠计算。可委派执行并保留科学/临床设计边界，不把生物产物平均分等同整项研究或试验正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - BixBench3 runner/grader：https://github.com/EdisonScientific/BixBench3/tree/d0e0bbb41222335b1b8878f533a58466a3a782dc d0e0bbb…；release v1.0.0；Python3.12/uv、GCP配额和计费、模型API；部分CellRanger需许可；本轮未运行。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 固定代码3d5f6b5…；公开方法适用性任务；不等同本研究全流程。 ### 统计方法适用性本身需验收，算出一个数不能代替选择正确方法。 依据身份：外部报告结果；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview；paper task definition/error analysis；关系：partial 支持：原作者专门评价任务/列/方法选择和适用性。 限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 核查：2026-10-20；来源状态：active 配置：NeurIPS2024；11,623构建样例，方法前提/元数据/标注限定；GPT4o等历史模型，本文不继承其分数。 适用限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 相关进展（本条判断）： - 统计方法是否适用被纳入专属评估：/explore?purpose=understand&domain=math&window=all#P-M-STATQA 首次公开 2024-05-26 ### 锁定方案后，可委派完整可重算分析；关键接收从原始到分析集、估计量到解释均要独立核查。 依据身份：有条件的编辑推断；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§3.2限制、§4.1方法指导；关系：adjacent 支持：按已定方法执行与主动决定研究方法分开。 限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 核查：2026-10-20；来源状态：active 适用限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 ## 情境变化 ### 调查/缺失数据 输入变化：权重、整群、抽样设计与不应答。 判断变化：可委派加权推断和缺失情景，不套独立样本公式。 验收变化：设计权重、方差估计/有效样本量、缺失机制与偏差敏感性。 研究前沿：2026研究尺度分析已有公开任务/产物grader；依赖链、规模、格式和恢复仍能导致不完整，设计选择并未由该基准评测。 下一项验证：冻结授权数据/方案，先校准错分析集、忽略聚类和删失负控制；代理盲跑后由独立计算检查关键估计和图表；采样模拟另存误差与失败。 未来改判信号： - 扩大：未见数据与方案偏离下，能追溯转换、识别不适用并重现主/敏感性输出。 - 收缩：只在参考表可见时正确、静默改分析集或伪造缺失结果；缩到可核对的数据/局部计算。 接收/拒收： - 分析集可追溯且适用：独立核对原始到分析集的主键、计数、时间/处理组/删失，手工参考切片和边界记录逐条比对。 拒收：重复测量当独立样本；随机化组被按实际治疗覆盖；删失时点使用未来信息。 - 推断目标与方法相符：独立核查抽样/聚类、模型/检验条件、基准水平、对比方向及多重性；参考实现重算关键估计/区间。 拒收：模型能拟合但方差结构错误；训练后挑最小p值冒充预设。 - 诊断和敏感性实际运行：生成残差/拟合与影响诊断；按计划运行缺失、删失、模型假设情景并报告失效；模拟数据校准覆盖/偏差，记录Monte Carlo误差。 拒收：删去影响结论的样本不披露；只在文字写“敏感性一致”而无代码。 - 报告可重建且结论守边界：干净环境从数据生成最终表图/文字数字，核对估计量、区间、比较、临床/实际含义及探索标签。 拒收：表图和正文不同分母；“无显著差异”写成等效；相关性写因果。 失败处理：缺失/不一致数据列具体记录与影响；不收敛报告识别/数值问题；盲态受限时给可执行脚本和已知检查，不越权读取分组或补造结果。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：缺失机制不可仅由数据识别，需场景敏感性。 验证方法：独立参考切片重建关键转换，检查选择/权重、重复与缺失策略；改变假设重算。 ### 交付估计、区间与模型诊断 按已认可设计执行推断，区分模型可拟合和方法适用。 交付物：参数估计/区间/检验；残差/影响与敏感性 判断依据：外部报告结果、有条件的编辑推断 当前变化：可整包委派可重算推断；StatQA直接支持适用性检查，外部生物分析提供相邻长链执行参照。 - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 一般推断不以调查缺失或新方法比较为前提，特殊设计另按其输入验收。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） 应用范围：一般推断不以调查缺失或新方法比较为前提，特殊设计另按其输入验收。 AI工作组织：代理围绕估计目标组织转换、计算、诊断与解释；反馈来自数据控制和模型检查，稳定复现用固定项目，缺口返回方案层。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：BixBench3直接展示按给定方法处理原始生物数据的长链执行；StatQA显示方法适用不能只靠计算。可委派执行并保留科学/临床设计边界，不把生物产物平均分等同整项研究或试验正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - BixBench3 runner/grader：https://github.com/EdisonScientific/BixBench3/tree/d0e0bbb41222335b1b8878f533a58466a3a782dc d0e0bbb…；release v1.0.0；Python3.12/uv、GCP配额和计费、模型API；部分CellRanger需许可；本轮未运行。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 固定代码3d5f6b5…；公开方法适用性任务；不等同本研究全流程。 ### BixBench3用给定方法和原始数据评估研究尺度分析；最高系统的任务平均产物通过比例为0.48，不能读为48%研究全部完成。 依据身份：外部报告结果；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§2.1/2.2；§3.2；§4.2/4.4；附录A.5 TCER-1例的Research Objective/Method Guidance/Required Outputs；关系：partial 支持：真实原始生物数据到结构产物的领域执行证据。 附录公开例给出mRNA/小RNA原始输入、样本/重复、参考版本及归一化/差异产物合同，可作为实验室分支具体入口。 限制：不评价研究设计；按任务平均产物比例不同于原始138产物统一分母，也非临床推断可靠性。 核查：2026-10-20；来源状态：active 配置：v1；20研究/138产物/13模型；GPT5.6Sol最高任务平均0.48；固定方法指导，32vCPU/128GB、24小时、InspectReAct；产物阈值0.80专家校准。 适用限制：不评价研究设计；按任务平均产物比例不同于原始138产物统一分母，也非临床推断可靠性。 相关进展（本条判断）： - 原始生物数据到研究产物出现可执行长链评估：/explore?purpose=understand&domain=math&window=all#P-M-BIX3 首次公开 2026-08-26；判断变化 2026-08-26 ### 统计方法适用性本身需验收，算出一个数不能代替选择正确方法。 依据身份：外部报告结果；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview；paper task definition/error analysis；关系：partial 支持：原作者专门评价任务/列/方法选择和适用性。 限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 核查：2026-10-20；来源状态：active 配置：NeurIPS2024；11,623构建样例，方法前提/元数据/标注限定；GPT4o等历史模型，本文不继承其分数。 适用限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 相关进展（本条判断）： - 统计方法是否适用被纳入专属评估：/explore?purpose=understand&domain=math&window=all#P-M-STATQA 首次公开 2024-05-26 ### 锁定方案后，可委派完整可重算分析；关键接收从原始到分析集、估计量到解释均要独立核查。 依据身份：有条件的编辑推断；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§3.2限制、§4.1方法指导；关系：adjacent 支持：按已定方法执行与主动决定研究方法分开。 限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 核查：2026-10-20；来源状态：active 适用限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 ## 情境变化 ### 按既定设计的统计推断与报告 输入变化：设计/估计目标和分析数据已给定，任务不是专门比较新方法、调查加权或临床生存分析。 判断变化：可整包委派拟合、诊断、敏感性和可复算说明；按实际设计选择方法，不额外假设特殊数据机制。 验收变化：分析集—估计量—区间/检验—表图/正文同源，核方法前提及独立关键数；特殊抽样/临床/组学输入另选相应变体。 研究前沿：2026研究尺度分析已有公开任务/产物grader；依赖链、规模、格式和恢复仍能导致不完整，设计选择并未由该基准评测。 下一项验证：冻结授权数据/方案，先校准错分析集、忽略聚类和删失负控制；代理盲跑后由独立计算检查关键估计和图表；采样模拟另存误差与失败。 未来改判信号： - 扩大：未见数据与方案偏离下，能追溯转换、识别不适用并重现主/敏感性输出。 - 收缩：只在参考表可见时正确、静默改分析集或伪造缺失结果；缩到可核对的数据/局部计算。 接收/拒收： - 分析集可追溯且适用：独立核对原始到分析集的主键、计数、时间/处理组/删失，手工参考切片和边界记录逐条比对。 拒收：重复测量当独立样本；随机化组被按实际治疗覆盖；删失时点使用未来信息。 - 推断目标与方法相符：独立核查抽样/聚类、模型/检验条件、基准水平、对比方向及多重性；参考实现重算关键估计/区间。 拒收：模型能拟合但方差结构错误；训练后挑最小p值冒充预设。 - 诊断和敏感性实际运行：生成残差/拟合与影响诊断；按计划运行缺失、删失、模型假设情景并报告失效；模拟数据校准覆盖/偏差，记录Monte Carlo误差。 拒收：删去影响结论的样本不披露；只在文字写“敏感性一致”而无代码。 - 报告可重建且结论守边界：干净环境从数据生成最终表图/文字数字，核对估计量、区间、比较、临床/实际含义及探索标签。 拒收：表图和正文不同分母；“无显著差异”写成等效；相关性写因果。 失败处理：缺失/不一致数据列具体记录与影响；不收敛报告识别/数值问题；盲态受限时给可执行脚本和已知检查，不越权读取分组或补造结果。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：对Bayes/复杂层级模型未给当前完整覆盖。 验证方法：独立关键结果，聚类/配对/分布前提和后验/残差诊断按方法验；不靠p值接收全部工作。 ### 交付实验或观察因果分析 给出识别假设与可支持结论，而不是把关联图换措辞。 交付物：设计/时间零点与识别说明；效应/不确定性和偏差敏感性 判断依据：有条件的编辑推断、外部报告结果 当前变化：可分阶段委派设计、执行和敏感性；没有随机化时先检查可识别性，不由通用统计得分推因果能力。 - 研究设计包：估计目标、抽样/随机化与分析计划：/work-units/W-M07?version=2026-10-21.workunits.2 随机/配对实验与非随机观察识别分开，按真实分配机制选择。（partial；workunits/work-unit/W-M07@2026-10-21.workunits.2） - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 本应用执行已接收的实验/因果设计，不强加调查抽样或缺失机制。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） 应用范围：随机/配对实验与非随机观察识别分开，按真实分配机制选择。 AI工作组织：给研究目标和约束，代理自选计算、设计比较和计划组织；模拟反馈能修正设计，关键选择有依据，不固定一条统计流程。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：SAPAI直接支持方案到计划草稿，同时显示统计推理项仍有漏项；StatQA支持先查方法适用性。因此采用到可计算、可推演的设计候选，不把格式完整当方法正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 3d5f6b5…；NeurIPS2024；公开数据/脚本，不能当研究设计成品。 - SAPAI公开研究：https://www.medrxiv.org/content/10.64898/2026.03.19.26348626v1 v1 2026-03-19；可读论文；所链github本轮未核实可下载，不冒称即用产品。 ### 研究设计可按估计目标、独立功效/操作特征和可执行计划接收候选，而非仅检查文稿。 依据身份：有条件的编辑推断；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview / applicability errors；关系：adjacent 支持：方法适用性错误要求显式核对前提。 限制：抽样/因果设计是迁移任务，未有本站直接模型成绩。 核查：2026-10-20；来源状态：active 适用限制：抽样/因果设计是迁移任务，未有本站直接模型成绩。 ## 情境变化 ### 观察性因果设计 输入变化：没有随机分配，混杂/选择假设未知。 判断变化：先交可识别性与偏差分析，不能自动承诺因果结论。 验收变化：明确时间零点、混杂、positivity、敏感性；不以p值接收因果。 ### 非临床随机或配对实验设计 输入变化：非临床研究拟采用独立/聚类随机、配对或重复测量实验，未必涉及患者或临床终点。 判断变化：可交实验设计、功效和分析计划候选；临床SAP成绩不直接迁移成该设计已测。 验收变化：独立核实验单位、分配/配对/聚类、测量时点和假设；模拟操作特征及效应/失访情景，不套不匹配的两独立样本公式。 研究前沿：已出现临床SAP专属验证；样本和模型受限，临床试验注册/合规和长期结果不由AI文稿证明。 下一项验证：在公开或授权方案上隐藏参考SAP，让代理输出估计目标、功效代码和计划；先用错误单侧/忽略聚类/改变估计目标负控制校准，再独立模拟。 未来改判信号： - 扩大：未见设计的操作特征独立复现、条款与终点一致，统计选择可追溯。 - 收缩：敏感性幻造、参数无来源或I类错误失控；缩到方案对照与计算候选。 接收/拒收： - 设计回答原问题：独立列总体、变量、比较、时点与估计目标；区分随机/观察设计，确认干扰、选择和依从性假设。 拒收：要治疗策略效应却只分析完成者；观察相关性写成随机试验效应。 - 样本量和实施一致：另一计算路径复算功效/样本量；模拟拟定设计的I类错误/覆盖/功效，考虑分配比、聚类、失访和效应大小不确定。 拒收：把总样本当每组；忽略ICC、双侧/单侧或多重检验。 - 缺失和分析计划可执行：从空结果表和合成边界数据推演分析；临床敏感性须同估计目标，补救治疗/死亡等中间事件策略不得静默变。 拒收：填“使用适当方法”无算法；换目标却说只是敏感性。 - 版本及选择不追结果：对照锁定方案与输出，重大统计选择逐项标来源/新建议/未定；中期方案检验alpha/访问隔离，未授权结果不能用于设计优化。 拒收：看过显著结果后回写“预设”；幻造临床方案未规定的敏感性分析。 失败处理：缺参数时交情景范围和决策影响，不造方差/事件率；问题不可识别则交所需设计修改；预算不足区分探索建议与冻结计划。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 应用范围：本应用执行已接收的实验/因果设计，不强加调查抽样或缺失机制。 AI工作组织：代理围绕估计目标组织转换、计算、诊断与解释；反馈来自数据控制和模型检查，稳定复现用固定项目，缺口返回方案层。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：BixBench3直接展示按给定方法处理原始生物数据的长链执行；StatQA显示方法适用不能只靠计算。可委派执行并保留科学/临床设计边界，不把生物产物平均分等同整项研究或试验正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - BixBench3 runner/grader：https://github.com/EdisonScientific/BixBench3/tree/d0e0bbb41222335b1b8878f533a58466a3a782dc d0e0bbb…；release v1.0.0；Python3.12/uv、GCP配额和计费、模型API；部分CellRanger需许可；本轮未运行。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 固定代码3d5f6b5…；公开方法适用性任务；不等同本研究全流程。 ### 统计方法适用性本身需验收，算出一个数不能代替选择正确方法。 依据身份：外部报告结果；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview；paper task definition/error analysis；关系：partial 支持：原作者专门评价任务/列/方法选择和适用性。 限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 核查：2026-10-20；来源状态：active 配置：NeurIPS2024；11,623构建样例，方法前提/元数据/标注限定；GPT4o等历史模型，本文不继承其分数。 适用限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 相关进展（本条判断）： - 统计方法是否适用被纳入专属评估：/explore?purpose=understand&domain=math&window=all#P-M-STATQA 首次公开 2024-05-26 ### 锁定方案后，可委派完整可重算分析；关键接收从原始到分析集、估计量到解释均要独立核查。 依据身份：有条件的编辑推断；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§3.2限制、§4.1方法指导；关系：adjacent 支持：按已定方法执行与主动决定研究方法分开。 限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 核查：2026-10-20；来源状态：active 适用限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 ## 情境变化 ### 按既定设计的统计推断与报告 输入变化：设计/估计目标和分析数据已给定，任务不是专门比较新方法、调查加权或临床生存分析。 判断变化：可整包委派拟合、诊断、敏感性和可复算说明；按实际设计选择方法，不额外假设特殊数据机制。 验收变化：分析集—估计量—区间/检验—表图/正文同源，核方法前提及独立关键数；特殊抽样/临床/组学输入另选相应变体。 研究前沿：2026研究尺度分析已有公开任务/产物grader；依赖链、规模、格式和恢复仍能导致不完整，设计选择并未由该基准评测。 下一项验证：冻结授权数据/方案，先校准错分析集、忽略聚类和删失负控制；代理盲跑后由独立计算检查关键估计和图表；采样模拟另存误差与失败。 未来改判信号： - 扩大：未见数据与方案偏离下，能追溯转换、识别不适用并重现主/敏感性输出。 - 收缩：只在参考表可见时正确、静默改分析集或伪造缺失结果；缩到可核对的数据/局部计算。 接收/拒收： - 分析集可追溯且适用：独立核对原始到分析集的主键、计数、时间/处理组/删失，手工参考切片和边界记录逐条比对。 拒收：重复测量当独立样本；随机化组被按实际治疗覆盖；删失时点使用未来信息。 - 推断目标与方法相符：独立核查抽样/聚类、模型/检验条件、基准水平、对比方向及多重性；参考实现重算关键估计/区间。 拒收：模型能拟合但方差结构错误；训练后挑最小p值冒充预设。 - 诊断和敏感性实际运行：生成残差/拟合与影响诊断；按计划运行缺失、删失、模型假设情景并报告失效；模拟数据校准覆盖/偏差，记录Monte Carlo误差。 拒收：删去影响结论的样本不披露；只在文字写“敏感性一致”而无代码。 - 报告可重建且结论守边界：干净环境从数据生成最终表图/文字数字，核对估计量、区间、比较、临床/实际含义及探索标签。 拒收：表图和正文不同分母；“无显著差异”写成等效；相关性写因果。 失败处理：缺失/不一致数据列具体记录与影响；不收敛报告识别/数值问题；盲态受限时给可执行脚本和已知检查，不越权读取分组或补造结果。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：识别假设和实验实施仍需具体研究资料。 验证方法：随机分配、时间零点、混杂/positivity/干扰及多重性逐项核对，报告假设变化的效果区间。 ### 交付新方法的性质与对照实验 理论性质、反例和模拟各自提供证据，不互相代替。 交付物：性质/条件或有效反例；公平基线、模拟与MonteCarlo误差 判断依据：外部报告结果、有条件的编辑推断 当前变化：可委派完整候选理论/实验包；数学研究成果支持探索组织，统计性质仍须在原模型下证明和模拟复核。 - 数学研究产物：联合探索命题、构造与证明或反例：/work-units/W-M04?version=2026-10-21.workunits.2 迁移到估计/检验方法的对象和保证，非一般统计成功率。（partial；workunits/work-unit/W-M04@2026-10-21.workunits.2） - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 给定数据生成机制的模拟执行与理论结论分开。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） 应用范围：迁移到估计/检验方法的对象和保证，非一般统计成功率。 AI工作组织：代理可在允许的对象/参数空间尝试构造，同时寻找证明或反例；精确计算、文献或形式错误反馈可以改变辅助命题与搜索方向。路径依题而定，确定性穷举可直接运行；不规定所有数学问题都要并行或Lean。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：外部研究及固定产物使“仅可局部辅助”的一概判断不成立；但研究系统非公开服务，个案和选择过的问题集也不支持任意新题概率。因此可委派完整探索和候选产物，是否完成由语义、正确性、覆盖与新颖性分别接收；已知复现可直接接收可重放成果，新研究保留未解决出口。 这一发布进一步支持以具体研究产物扩大观察范围，但其内部配置、人工整理和局部形式化不能压成统一自主成功率。 当前可用性：mixed；Nexus为研究系统，开放的是结果集合；Lean项目可重建，Aristotle有公开鉴权入口。三者不合并为“现在已能复现Nexus”。本站未调用付费服务。 - Nexus固定成果仓库：https://github.com/google-deepmind/alphaproof-nexus-results/tree/0647711a71183c1ea492ad60860776617ce1ea88 0647711a…；Lean4.27.0；lake-manifest锁定依赖；公开结果文本与项目；生成代理不作为公开产品提供。 - Lean proof validation：https://lean-lang.org/doc/reference/latest/ValidatingProofs/ 实际复现使用仓库Lean4.27.0；参考文档2026-10-20读取；开源内核/工具链；需安装固定依赖；文档latest不替代项目版本。 - Aristotle CLI/API：https://pypi.org/project/aristotlelib/2.1.0/ aristotlelib2.1.0；需账号/API key与服务预算；本站未调用；SDK链接的GitHub源码入口此前404，不声称已核实源码。 ### Nexus论文报告联合搜索算法参数与证明保证；对象设计和证明搜索可以互相反馈。 依据身份：外部报告结果；状态：active - AlphaProof Nexus：形式证明搜索进入开放数学问题：https://arxiv.org/html/2605.22763v1 定位：§4 Optimization Theory；§2 Agent Architecture；§3 Failure Analysis；关系：partial 支持：支持对象/参数与证明联合探索的研究组织，及未证引理等失败模式。 限制：内部研究配置，不等于公开API；不把Erdős125说成参数优化实验。 核查：2026-10-19；来源状态：active 配置：arXiv2605.22763v1；完整研究代理含Gemini3.1Pro基础代理、进化搜索及AlphaProof；论文不同实验预算不同；成功个案成本不含完整选题搜索。本站未重放。 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 相关进展（本条判断）： - 证明搜索开始在开放问题上交付可检查结果：/explore?purpose=understand&domain=math&window=all#P-M-NEXUS 首次公开 2026-05-21；判断变化 2026-05-21 ### 自然证明、精确反例与形式证明分别接收；形式证明还要查原声明、传递公理和语义对应。 依据身份：有条件的编辑推断；状态：active - Lean官方：怎样验证一份证明：https://lean-lang.org/doc/reference/latest/ValidatingProofs/ 定位：Validating a Lean Proof：Printing Axioms / Gold Standard；关系：method 支持：支持形式交付的公理与可信目标核对。 限制：Lean文档不认证自然语言论证或数学新颖性。 核查：2026-10-19；来源状态：active - AlphaProof Nexus：形式证明搜索进入开放数学问题：https://arxiv.org/html/2605.22763v1 定位：§3 Failure Analysis；§6 Discussion：semantic verification；关系：method 支持：支持研究循环保留语义核对和未完成出口。 限制：不同产物的具体接收条目是编辑设计。 核查：2026-10-19；来源状态：active 适用限制：本站未进行该任务的模型运行，不能据此给出本地成功率。 ## 情境变化 ### 构造/参数优化 输入变化：允许改变算法步长、常数或数学对象，目标约束固定。 判断变化：可联合探索对象和保证；采用建议仍取决于最终证书，不只看最优数值。 验收变化：构造版本、参数精确值与性质证明成对；换对象后保证重新检查。 研究前沿：Nexus研究配置包含进化搜索/AlphaProof并联合探索算法参数与证明；其公开结果可逐项检查。Erdős125是已公开成果复现，不是仍待解决的新问题，也不证明全套系统可调用。 OpenAI十月另公开内部模型研究手稿及部分形式产物，存在不同验证阶段和撤回/修订；这些公开成果属于M04直接证据，不只作为审稿背景。 下一项验证：先在固定Nexus提交重建Erdős125并做题意/传递公理检查，校准复现验收；另选未泄漏问题或允许参数变化的独立小问题，用公开可用工具记录搜索、失败与实际人时。两类结果分开，未运行不估成功率。 未来改判信号： - 扩大：新问题上，对象/参数与保证共同改进且独立复核成立；题意、文献新颖性和资源记录完备，公开工具可重现。 - 收缩：表面成功依靠弱化目标、无证引理或挑选成功个案；改参数后保证失效；先退到已证引理/候选构造。 接收/拒收： - 先确认研究的就是原问题或明示变体：独立核对对象域、量词、下/上/自然密度或其它关键定义与原文；列题意对照，不把弱化结论当原题答案。 拒收：把“下密度>0”换成“上密度>0”；允许空集造成平凡构造仍宣称解决要求非平凡对象的题。 - 构造和保证相互对应：独立重算候选对象/参数，核对每项约束与最终证明覆盖；改参数后旧证明必须同步重验。 拒收：数值搜索找到一个好参数但保证只证旧参数；浮点近似当精确反例。 - 自然论证/反例按各自对象接收：自然证明由具备领域能力的独立接收者检查全部关键引理、边界与引用，可用工具补检但不宣称内核认证；有限反例精确重算并验证全部前提；渐近反例需无限构造和相应论证。 拒收：有限搜索未发现反例被当证明；自然语言关键步骤循环引用；有限n上的异常被当下密度的反例。 - 形式证明额外满足内核与语义：只对约定形式交付：固定项目干净构建、比较可信目标声明、检查传递公理拒绝sorryAx/未批准公理，并核对可读说明与实际定理覆盖。 拒收：编译通过但依赖含sorry；形式化只覆盖支撑引理却写成主结论已证；随意增加假设。 - 区分完成、未解决与新颖性：交付按实际覆盖标识完整结论/条件结论/反例/未解决；独立查文献与修订记录，已知成果复现不计新发现。 拒收：预算耗尽宣布命题为假；重放公开证明标“首次解决”；撤回后仍引用原结论。 失败处理：给出已证引理、候选构造、排除参数范围和最小未解目标，区分预算耗尽、环境不可用、语义冲突和真实反例；不靠sorry或新增假设伪装完成。已有材料撤回则检查其依赖的候选与说明。 本站记录：本站M04模型运行数、成功率、成本及人工时间均为null；只读过Erdős125公开证明文本，未独立构建，不继承W-M01本地控制通过。 应用范围：给定数据生成机制的模拟执行与理论结论分开。 AI工作组织：代理围绕估计目标组织转换、计算、诊断与解释；反馈来自数据控制和模型检查，稳定复现用固定项目，缺口返回方案层。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：BixBench3直接展示按给定方法处理原始生物数据的长链执行；StatQA显示方法适用不能只靠计算。可委派执行并保留科学/临床设计边界，不把生物产物平均分等同整项研究或试验正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - BixBench3 runner/grader：https://github.com/EdisonScientific/BixBench3/tree/d0e0bbb41222335b1b8878f533a58466a3a782dc d0e0bbb…；release v1.0.0；Python3.12/uv、GCP配额和计费、模型API；部分CellRanger需许可；本轮未运行。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 固定代码3d5f6b5…；公开方法适用性任务；不等同本研究全流程。 ### 锁定方案后，可委派完整可重算分析；关键接收从原始到分析集、估计量到解释均要独立核查。 依据身份：有条件的编辑推断；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§3.2限制、§4.1方法指导；关系：adjacent 支持：按已定方法执行与主动决定研究方法分开。 限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 核查：2026-10-20；来源状态：active 适用限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 ## 情境变化 ### 统计方法研究复现 输入变化：比较新估计/检验，需理论和模拟。 判断变化：可委派计算实验与反例；新方法性质用M04/M03另核，不因模拟好看成立。 验收变化：预设数据生成机制、覆盖/偏差/功效、MonteCarlo误差、失败条件和基线公平。 研究前沿：2026研究尺度分析已有公开任务/产物grader；依赖链、规模、格式和恢复仍能导致不完整，设计选择并未由该基准评测。 下一项验证：冻结授权数据/方案，先校准错分析集、忽略聚类和删失负控制；代理盲跑后由独立计算检查关键估计和图表；采样模拟另存误差与失败。 未来改判信号： - 扩大：未见数据与方案偏离下，能追溯转换、识别不适用并重现主/敏感性输出。 - 收缩：只在参考表可见时正确、静默改分析集或伪造缺失结果；缩到可核对的数据/局部计算。 接收/拒收： - 分析集可追溯且适用：独立核对原始到分析集的主键、计数、时间/处理组/删失，手工参考切片和边界记录逐条比对。 拒收：重复测量当独立样本；随机化组被按实际治疗覆盖；删失时点使用未来信息。 - 推断目标与方法相符：独立核查抽样/聚类、模型/检验条件、基准水平、对比方向及多重性；参考实现重算关键估计/区间。 拒收：模型能拟合但方差结构错误；训练后挑最小p值冒充预设。 - 诊断和敏感性实际运行：生成残差/拟合与影响诊断；按计划运行缺失、删失、模型假设情景并报告失效；模拟数据校准覆盖/偏差，记录Monte Carlo误差。 拒收：删去影响结论的样本不披露；只在文字写“敏感性一致”而无代码。 - 报告可重建且结论守边界：干净环境从数据生成最终表图/文字数字，核对估计量、区间、比较、临床/实际含义及探索标签。 拒收：表图和正文不同分母；“无显著差异”写成等效；相关性写因果。 失败处理：缺失/不一致数据列具体记录与影响；不收敛报告识别/数值问题；盲态受限时给可执行脚本和已知检查，不越权读取分组或补造结果。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：直接AI统计方法发现证据未完整覆盖，需要问题专属性质/反例。 验证方法：对照偏差/覆盖/功效，预设生成分布和基线，含失败情景；数值优越不能推出定理。 ### 交付可复算研究说明 从原始/分析集到表图及结论保持版本、分母和假设一致。 交付物：可重建项目与表图；偏离/局限和沟通说明 判断依据：外部报告结果、有条件的编辑推断 当前变化：可委派全流程执行与解释，关键接收依独立数值/分析集；生物数据长链是相邻证据，不当本职业通过率。 - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 通用复现说明不必比较新统计方法，方法研究专属变体只用于delivery-5。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） 应用范围：通用复现说明不必比较新统计方法，方法研究专属变体只用于delivery-5。 AI工作组织：代理围绕估计目标组织转换、计算、诊断与解释；反馈来自数据控制和模型检查，稳定复现用固定项目，缺口返回方案层。 ## 任务级判断与证据 采用方式：限定条件下整包委派 从证据到建议：BixBench3直接展示按给定方法处理原始生物数据的长链执行；StatQA显示方法适用不能只靠计算。可委派执行并保留科学/临床设计边界，不把生物产物平均分等同整项研究或试验正确。 当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。 - BixBench3 runner/grader：https://github.com/EdisonScientific/BixBench3/tree/d0e0bbb41222335b1b8878f533a58466a3a782dc d0e0bbb…；release v1.0.0；Python3.12/uv、GCP配额和计费、模型API；部分CellRanger需许可；本轮未运行。 - StatQA：https://github.com/HKUSTDial/StatQA/tree/3d5f6b5b6926600dc952f39d79dfdef82999aeeb 固定代码3d5f6b5…；公开方法适用性任务；不等同本研究全流程。 ### BixBench3用给定方法和原始数据评估研究尺度分析；最高系统的任务平均产物通过比例为0.48，不能读为48%研究全部完成。 依据身份：外部报告结果；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§2.1/2.2；§3.2；§4.2/4.4；附录A.5 TCER-1例的Research Objective/Method Guidance/Required Outputs；关系：partial 支持：真实原始生物数据到结构产物的领域执行证据。 附录公开例给出mRNA/小RNA原始输入、样本/重复、参考版本及归一化/差异产物合同，可作为实验室分支具体入口。 限制：不评价研究设计；按任务平均产物比例不同于原始138产物统一分母，也非临床推断可靠性。 核查：2026-10-20；来源状态：active 配置：v1；20研究/138产物/13模型；GPT5.6Sol最高任务平均0.48；固定方法指导，32vCPU/128GB、24小时、InspectReAct；产物阈值0.80专家校准。 适用限制：不评价研究设计；按任务平均产物比例不同于原始138产物统一分母，也非临床推断可靠性。 相关进展（本条判断）： - 原始生物数据到研究产物出现可执行长链评估：/explore?purpose=understand&domain=math&window=all#P-M-BIX3 首次公开 2026-08-26；判断变化 2026-08-26 ### 统计方法适用性本身需验收，算出一个数不能代替选择正确方法。 依据身份：外部报告结果；状态：active - StatQA：统计方法选择与适用性：https://github.com/HKUSTDial/StatQA/blob/3d5f6b5b6926600dc952f39d79dfdef82999aeeb/README.md 定位：Overview；paper task definition/error analysis；关系：partial 支持：原作者专门评价任务/列/方法选择和适用性。 限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 核查：2026-10-20；来源状态：active 配置：NeurIPS2024；11,623构建样例，方法前提/元数据/标注限定；GPT4o等历史模型，本文不继承其分数。 适用限制：历史有限方法集/合成问法，不代表完整统计职业成功率。 相关进展（本条判断）： - 统计方法是否适用被纳入专属评估：/explore?purpose=understand&domain=math&window=all#P-M-STATQA 首次公开 2024-05-26 ### 锁定方案后，可委派完整可重算分析；关键接收从原始到分析集、估计量到解释均要独立核查。 依据身份：有条件的编辑推断；状态：active - BixBench3 v1：研究尺度生物分析产物：https://arxiv.org/html/2608.25286v1 定位：§3.2限制、§4.1方法指导；关系：adjacent 支持：按已定方法执行与主动决定研究方法分开。 限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 核查：2026-10-20；来源状态：active 适用限制：临床/调查/方法学模拟为显式迁移，需要对应控制。 ## 情境变化 ### 按既定设计的统计推断与报告 输入变化：设计/估计目标和分析数据已给定，任务不是专门比较新方法、调查加权或临床生存分析。 判断变化：可整包委派拟合、诊断、敏感性和可复算说明；按实际设计选择方法，不额外假设特殊数据机制。 验收变化：分析集—估计量—区间/检验—表图/正文同源，核方法前提及独立关键数；特殊抽样/临床/组学输入另选相应变体。 研究前沿：2026研究尺度分析已有公开任务/产物grader；依赖链、规模、格式和恢复仍能导致不完整，设计选择并未由该基准评测。 下一项验证：冻结授权数据/方案，先校准错分析集、忽略聚类和删失负控制；代理盲跑后由独立计算检查关键估计和图表；采样模拟另存误差与失败。 未来改判信号： - 扩大：未见数据与方案偏离下，能追溯转换、识别不适用并重现主/敏感性输出。 - 收缩：只在参考表可见时正确、静默改分析集或伪造缺失结果；缩到可核对的数据/局部计算。 接收/拒收： - 分析集可追溯且适用：独立核对原始到分析集的主键、计数、时间/处理组/删失，手工参考切片和边界记录逐条比对。 拒收：重复测量当独立样本；随机化组被按实际治疗覆盖；删失时点使用未来信息。 - 推断目标与方法相符：独立核查抽样/聚类、模型/检验条件、基准水平、对比方向及多重性；参考实现重算关键估计/区间。 拒收：模型能拟合但方差结构错误；训练后挑最小p值冒充预设。 - 诊断和敏感性实际运行：生成残差/拟合与影响诊断；按计划运行缺失、删失、模型假设情景并报告失效；模拟数据校准覆盖/偏差，记录Monte Carlo误差。 拒收：删去影响结论的样本不披露；只在文字写“敏感性一致”而无代码。 - 报告可重建且结论守边界：干净环境从数据生成最终表图/文字数字，核对估计量、区间、比较、临床/实际含义及探索标签。 拒收：表图和正文不同分母；“无显著差异”写成等效；相关性写因果。 失败处理：缺失/不一致数据列具体记录与影响；不收敛报告识别/数值问题；盲态受限时给可执行脚本和已知检查，不越权读取分组或补造结果。 本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。 尚未覆盖：报告内容完整不保证设计有效。 验证方法：干净重跑，表图/文字逐数回指；区间和实际意义完整，不显著不写成等效。 ## 与工作关联的进展 ### 原始生物数据到研究产物出现可执行长链评估 公开 2026-08-26；判断变化 2026-08-26 按指定方法的研究尺度计算可以评价最终结构产物。 支持范围：不评价研究问题/方法选择，不能外推临床试验效度。 来源状态：active /explore?purpose=understand&domain=math&window=all#P-M-BIX3 ### 证明搜索开始在开放问题上交付可检查结果 公开 2026-05-21；判断变化 2026-05-21 Nexus研究配置把证明、反例及对象/参数探索接到形式反馈；公开的是成果集合。 支持范围：原论文问题集和成功选择有边界；事后九题比较不能当新问题概率；本站未重放，公开结果仓库不是Nexus API。 来源状态：active /explore?purpose=understand&domain=math&window=all#P-M-NEXUS ### 统计方法是否适用被纳入专属评估 公开 2024-05-26 算出数值前的列与方法选择也是错误来源。 支持范围：不把旧分数当今天模型或完整统计职业能力。 来源状态：active /explore?purpose=understand&domain=math&window=all#P-M-STATQA ## 未来3–5年条件情景 未来 3–5 年（2029–2031） 未来 3–5 年是编辑条件情景，不是就业数量预测。每项均列基准、加速、受限路径和需观察的信号；职业职责来源不等于 AI 能力证据。 基准：计算和复现更常整包委派，方法适用、识别和数据生成证据直接进入接收。 加速：若未见设计/偏差下能稳健诊断并给正确区间，更多分析与方法候选可并行推进。 受限：若只算对既定公式但遗漏抽样/缺失/识别，采用缩到已认可方法的计算执行。 改判信号： - 方法适用错误/数据偏差的检出 - 未见设计的覆盖/功效与复现 - 主动识别不可识别而非强出答案 ## 进入与成长的公开能力证据 本页主要提供工作与作品证据；基础课程、责任级别和中国准入尚未完成专题整理。 完整交付作品证据： - 估计目标/设计与分析集追溯、独立关键结果 - 一个方法不适用或缺失假设改变结论的反例 具体地区、职级和组织要求按目标岗位核对；美国资料不自动作为中国资格要求。 ## 相邻方向及区别 - 运筹与决策优化：/careers/operations-research.md?version=2026-10-21.careers.2 统计主要回答数据支持何种推断；运筹主要回答目标和约束下选什么行动。 - 数据科学：/careers/data-scientist.md?version=2026-10-21.careers.2 数据科学常整合模型工程和业务应用；统计师更集中于设计与推断有效性。 ## 职业名称与分类映射 - O*NET-SOC 15-2041.00 Statisticians；O*NET-SOC 2019；OnLine Updated 2026；US；exact 本记录按该职业定义组织职责；中文为编辑译名，不声明中美资格等价。；定位 Definition / Tasks ## 工作资料与来源 - 研究设计包：估计目标、抽样/随机化与分析计划：/work-units/W-M07?version=2026-10-21.workunits.2 随机/配对实验与非随机观察识别分开，按真实分配机制选择。（partial；workunits/work-unit/W-M07@2026-10-21.workunits.2） - 统计复现交付：分析集、推断与敏感性同源可重算：/work-units/W-M08?version=2026-10-21.workunits.2 通用复现说明不必比较新统计方法，方法研究专属变体只用于delivery-5。（partial；workunits/work-unit/W-M08@2026-10-21.workunits.2） - 数学研究产物：联合探索命题、构造与证明或反例：/work-units/W-M04?version=2026-10-21.workunits.2 迁移到估计/检验方法的对象和保证，非一般统计成功率。（partial；workunits/work-unit/W-M04@2026-10-21.workunits.2） - Statisticians：https://www.onetonline.org/link/summary/15-2041.00 O*NET / 美国劳工部职业信息网络；US；O*NET OnLine / Updated 2026 / 2026-10-20访问快照；核查 2026-10-20；状态 active 定位：职业定义、Tasks、Work Activities；不采用薪酬和学历比例 范围：美国 O*NET-SOC 职业职责参照；中文标题及导航由编辑按工作内容映射 限制：不证明中国岗位数量、准入资格或在招需求；不提供该职业的 AI 实测结论。 ## 用于自己的问题 个人适配、具体岗位判断与计划由用户自己的 Agent 结合已有材料处理。复用已知上下文，仅追问影响结论的缺口；目录不是全部选项。阅读或比较公开工作本身无需档案、固定二选一、保存记录或行动计划。