# 公开职业资料比较：统计研究与应用 / 数据科学 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。 # 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。 --- # 数据科学 职业；职业资料版本 2026-10-21.careers.2；核查 2026-10-20 从数据中建立可检验的模型和解释，帮助回答业务或研究问题。 跨计算机、数学与分析共享一个实体；预测、实验和决策职责随组织变化。 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：数据科学家、Data Scientist、预测分析、统计学习、数据建模 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。 ### 分析问题与数据诊断 产物：目标、数据生成机制和可行分析范围 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；语义未定时不能静默选最方便的数据/指标。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-1 变体：指标定义含混 ### 描述与机制探索 产物：可重放统计、切片、解释及备选假设 内容覆盖：documented；A04覆盖非组成的分布/关系/时间探索，A02只用于特定组成贡献，不以窄算例代表全部探索。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-2 变体：分布异常与关系；时间变化与采样；多维交叉与重叠归因 ### 预测模型交付 产物：无泄漏划分、模型、误差切片和泛化评估 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；竞赛任务不能保证新业务/时间窗泛化。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-3 变体：标签与评测集 ### 实验与因果分析 产物：估计对象、识别假设和稳健性结论 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；计算准确不能弥补不存在的对照或未满足识别假设。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-4 变体：随机对照与聚类；只有观察数据 ### 决策支持交付 产物：成本收益、适用限制和可行动建议 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；真实成本、干预机制与风险取舍需业务依据，模型/实验得分不能直接推出收益。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-5 变体：随机对照与聚类；连续查看与多指标 ### 数据产品原型 产物：可用分析或模型原型及维护边界 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；原型可用不等于数据产品长期运行或业务采用。 任务应用：/careers/data-scientist#work-data-scientist-deliverable-6 变体：模型推理与漂移；检索与可引用回答 范围来源：https://www.onetonline.org/link/summary/15-2051.00 当前范围以外： - 持续模型生产运行可映射ML工程 - 组织最终决策权限不作为模型技术边界 待补： - 需补预测、因果及实际决策收益不同验收 - 当前组成变化和实验单元不能覆盖全部 ## 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。 ### 分析问题与数据诊断 目标、数据生成机制和可行分析范围。可委派问题/数据生成机制诊断，先输出几种估计对象与可比定义的影响，再固定分析范围。 交付物：目标、数据生成机制和可行分析范围 判断依据：有条件的编辑推断 当前变化：可委派问题/数据生成机制诊断，先输出几种估计对象与可比定义的影响，再固定分析范围。 - 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 数据科学的“分析问题与数据诊断”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是目标、数据生成机制和可行分析范围；用真实记录核对单位、时间、缺失/选择和业务决策，未识别部分与可补数据明确。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） 应用范围：数据科学的“分析问题与数据诊断”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是目标、数据生成机制和可行分析范围；用真实记录核对单位、时间、缺失/选择和业务决策，未识别部分与可补数据明确。 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。 ### 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：语义未定时不能静默选最方便的数据/指标。 验证方法：用真实记录核对单位、时间、缺失/选择和业务决策，未识别部分与可补数据明确。 ### 描述与机制探索 交可重放的分布/异常、变量关系和时间探索，组成分解只是特定变化诊断。 交付物：探索程序/SQL、数据核对及分布/关系/时间图表底层表；竞争解释、反证与选择/稳健性记录 判断依据：工具与方法依据、有条件的编辑推断 当前变化：可整包委派探索与备选机制诊断，固定后程序复算；组成问题另用A02，不把相关图或时间变化写成因果。 - 探索分析交付：分布、关系与时间变化的可重放诊断：/work-units/W-A04?version=2026-10-21.workunits.2 数据科学的描述与机制探索采用探索分析交付：分布、关系与时间变化的可重放诊断；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。（partial；workunits/work-unit/W-A04@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 数据科学的描述与机制探索采用组成变化诊断：拆清总体变化来自哪里；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。（partial；workunits/work-unit/W-A02@2026-10-21.workunits.2） 应用范围：数据科学的描述与机制探索采用探索分析交付：分布、关系与时间变化的可重放诊断；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。 AI工作组织：Agent可自主选择SQL/统计程序和图表，依据异常/反证返回数据检查；稳定计算不必循环Agent。 ## 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：NIST EDA定义覆盖结构/异常/假设，专用数据Agent案例提供查询-结果反馈的邻近工作法；采用建议为任务适配，不声称此探索题已实测。 当前可用性：mixed；公开运行时可用，内部数据Agent不是可下载同配置产品；本站未对新探索题运行模型。 - SQL/Python探索环境：https://www.python.org/ 实际Python/统计包/数据快照固定；公开运行时；目标数据/查询与图表依赖另备 ### NIST EDA方法把分布、结构、异常与假设探索纳入分析，不应由单一组成率分解代表。 依据身份：工具与方法依据；状态：active - NIST工程统计手册：What is EDA：https://www.itl.nist.gov/div898/handbook/eda/section1/eda11.htm 定位：1.1.1 EDA purpose；关系：method 支持：定义非组成探索的可接收范围。 限制：统计方法不是AI表现。 核查：2026-10-20；来源状态：active 适用限制：统计方法不是AI表现。 ### 可把专用数据Agent查询/结果反馈方法迁移到可重放探索，但目标数据定义、竞争假设和独立复算必须显式交付。 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；query/results；关系：partial 支持：邻近分析案例支持任务组织。 限制：内部案例没有测试本分布/关系/时间探索，不能给成功率。 核查：2026-10-19；来源状态：active 适用限制：内部案例没有测试本分布/关系/时间探索，不能给成功率。 ## 情境变化 ### 分布异常与关系 输入变化：连续/类别变量，存在重尾、异常或混杂。 判断变化：先核对数据生成/单位/过滤，再探索关系。 验收变化：分位/分布/散点与独立汇总、合理过滤敏感性、竞争解释。 ### 时间变化与采样 输入变化：时间窗口、采样/季节/部署或记录方式变化。 判断变化：按可比窗口和采样机制接收，不直接归因。 验收变化：时区/时间粒度、缺测/延迟、窗口稳健性和变点解释。 研究前沿：有公开探索统计方法和专用查询Agent案例；目标数据机制/非组成探索尚无本站试验，相关性不能迁移为因果。 下一项验证：取一包含单位错误、重复及真实延迟长尾的数据，冻结问题；Agent交分布/关系/时间探索，独立复算并用替代解释挑战。 未来改判信号： - 新窗口/数据定义下主要发现可复算且备选解释经得起反证，可扩大探索。 - 单位/选择错误或事后挑图把关联写成因果时拒绝结论。 接收/拒收： - 探索对应同一总体：独立核对粒度、单位/时间、采样、缺失/重复和过滤后的总量，异常不静默删除。 拒收：毫秒/秒混用或重复行制造长尾。 - 发现可复算且不过度挑选：从程序生成关键分位/关系/时间图，用不同合理过滤/分组/时间窗挑战，记录探索选择。 拒收：只展示最显著关系或平滑掉变化。 - 解释守住识别边界：列至少一个竞争解释与可否定检查，分开统计关联、机制假设和有证据因果。 拒收：看到发布后尾延迟增大就断言发布造成。 失败处理：不可比/缺关键字段先交数据诊断与影响范围，不凭空补机制；预算内未找到解释也保留已排除假设。 本站记录：本次核查公开资料与任务契约，未在本站运行目标任务或新增模型试次。 应用范围：数据科学的描述与机制探索采用组成变化诊断：拆清总体变化来自哪里；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。 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 ### 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：探索能提出假设但不能自动确认机制；采样变化、混杂与真实数据定义需业务证据。 验证方法：以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。 ### 预测模型交付 无泄漏划分、模型、误差切片和泛化评估。可整包委派预测模型，按无泄漏实体/时间保留集、误差代价与简单基线接收，完整保留搜索预算。 交付物：无泄漏划分、模型、误差切片和泛化评估 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：可整包委派预测模型，按无泄漏实体/时间保留集、误差代价与简单基线接收，完整保留搜索预算。 - 机器学习实验包：数据、训练与可解释的保留集表现：/work-units/W-C06?version=2026-10-21.workunits.2 数据科学的“预测模型交付”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是无泄漏划分、模型、误差切片和泛化评估；标签/重复/特征时点、保留切片、区间/校准、可重跑权重与实际资源。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） 应用范围：数据科学的“预测模型交付”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是无泄漏划分、模型、误差切片和泛化评估；标签/重复/特征时点、保留切片、区间/校准、可重跑权重与实际资源。 AI工作组织：Agent可按评分反馈自主选择模型、代码与实验，确定性训练器直接运行；保留集和预算与搜索过程分离。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：MLE-bench证明训练与实验可以被Agent组织成可评分交付；其预算、公开数据与榜单条件特定。独立保留集与数据机制限制迁移，不能用多次搜索最好一次作稳定表现。 当前可用性：mixed；训练框架和记录工具公开；竞赛/模型/计算资源有条件且本文未消耗新试验。 - MLE-bench：https://github.com/openai/mle-bench 2026-10-20公开仓库HEAD 507f92e1138bb6e40dac5c6ee7a6758e6424bf97；实际运行另固定依赖/镜像/模型；公开代码；Kaggle条款、GPU/数据存储与模型API另备 - MLflow Tracking：https://mlflow.org/docs/latest/ml/tracking/ Tracking文档；具体包版本在实际试验固定；开源记录工具；存储/访问控制另配置 ### MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。 依据身份：外部报告结果；状态：active - MLE-bench 原论文：https://arxiv.org/abs/2410.07095v1 定位：Abstract；75 competitions；resource scaling；关系：partial 支持：训练交付有直接研究而非只由编程成绩外推。 限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 核查：2026-10-20；来源状态：active 配置：原论文75个Kaggle竞赛，含o1-preview+AIDE等配置；模型/脚手架和预算按原实验区分；未在本站重放。 适用限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 相关进展（本条判断）： - MLE-bench公开训练与实验任务资产：/explore?purpose=understand&domain=computing&window=all#P-C-ML-TRAIN 首次公开 2024-10-09 ### MLflow能记录训练参数、代码版本、指标和输出文件，便于交付完整试验账本。 依据身份：工具与方法依据；状态：active - MLflow Tracking 官方说明：https://mlflow.org/docs/latest/ml/tracking/ 定位：Tracking Runs；Runs/Models；关系：method 支持：提供可追踪实验接口。 限制：记录不证明无泄漏或指标适合业务。 核查：2026-10-20；来源状态：active 适用限制：记录不证明无泄漏或指标适合业务。 ### 在独立保留集和预算受控时，可整包委派训练搜索；采用决策以保留集切片、资源和下游条件作阶段接收。 依据身份：有条件的编辑推断；状态：active - MLE-bench 官方实现与可比性公告：https://github.com/openai/mle-bench 定位：README：leaderboard update/agents；关系：partial 支持：可运行训练及评分资产是迁移基础。 限制：官方暂停新提交，任何目标任务成功率仍未知。 核查：2026-10-20；来源状态：active 适用限制：官方暂停新提交，任何目标任务成功率仍未知。 ## 情境变化 ### 标签与评测集 输入变化：标签噪声、样本不平衡或实体/时间依赖。 判断变化：先接收数据诊断与划分，再搜索模型。 验收变化：抽核标签、实体隔离、未来特征和重复；保留所有清洗影响。 研究前沿：公开训练任务已有实测与可运行资产；当前排行榜暂停新提交，跨方法可比性有限，尚不能证明本组织数据上的泛化。 下一项验证：取一个未泄漏的小型真实数据问题，锁定时间/实体保留集与预算，先跑简单参考，再让Agent交完整模型和失败账本；服务化另测。 未来改判信号： - 在新时间窗/实体保留集持续超过简单基线且资源可追踪，可考虑扩大相近输入范围。 - 标签/未来特征泄漏、切片退化或只保留最好一次结果，应收窄或暂停相应采用。 接收/拒收： - 评价不被开发污染：按时间/实体/组划分并审查特征可用时点，保留集由独立入口评分。 拒收：同一用户重复进入训练和测试，或使用未来标签。 - 结果可重现且代价明确：从固定环境重新训练/加载权重，核对种子、预处理、依赖、尝试次数与实际资源。 拒收：只交最好的截图，丢掉失败与调参预算。 - 泛化和结论相称：对关键业务群体、漂移与简单基线比较；研究结果含消融与可反证范围。 拒收：验证分上升就声称已改善生产效果或提出新理论。 失败处理：数据质量或划分不成立时先交诊断和修复方案；预算内未达标是结果，不生成虚构成绩。 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：竞赛任务不能保证新业务/时间窗泛化。 验证方法：标签/重复/特征时点、保留切片、区间/校准、可重跑权重与实际资源。 ### 实验与因果分析 估计对象、识别假设和稳健性结论。让Agent交设计诊断、效应/区间与稳健性；识别条件不足时交不可识别及补救，不强给因果数。 交付物：估计对象、识别假设和稳健性结论 判断依据：工具与方法依据、有条件的编辑推断 当前变化：让Agent交设计诊断、效应/区间与稳健性；识别条件不足时交不可识别及补救，不强给因果数。 - 实验分析：估计效果，或说明为什么还不能判断：/work-units/W-A03?version=2026-10-21.workunits.2 数据科学的“实验与因果分析”使用实验分析：估计效果，或说明为什么还不能判断，输入/接收对象是估计对象、识别假设和稳健性结论；随机化/暴露/流失/聚类、观察研究假设与敏感性、停止/多重比较，独立复算。（partial；workunits/work-unit/W-A03@2026-10-21.workunits.2） 应用范围：数据科学的“实验与因果分析”使用实验分析：估计效果，或说明为什么还不能判断，输入/接收对象是估计对象、识别假设和稳健性结论；随机化/暴露/流失/聚类、观察研究假设与敏感性、停止/多重比较，独立复算。 AI工作组织：AI可把设计诊断、计算和敏感性检验合为循环；问题不可识别时返回需要的设计或数据，不硬给答案。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：程序可整包计算并核对随机分配、区间与切片，但估计对象、暴露机制和停止规则约束因果解释；异常时交付不可识别诊断有实际价值。 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 ### 样本比例异常是实验数据有效性警报，须诊断分配/暴露/流失链路后再解释效果；比例正常也不能证明其他假设成立。 依据身份：工具与方法依据；状态：active - 样本比例异常：实验看似有效也可能有数据问题：https://www.microsoft.com/en-us/research/publication/diagnosing-sample-ratio-mismatch-in-online-controlled-experiments-a-taxonomy-and-rules-of-thumb-for-practitioners/ 定位：Sample Ratio Mismatch诊断；关系：method 支持：支持以设计与异常控制保护实验解释。 限制：这是统计方法研究，不是AI模型成绩。 核查：2026-10-19；来源状态：active 适用限制：这是统计方法研究，不是AI模型成绩。 ### 可让Agent把设计核对、程序估计、稳健性与解释合为交付；若只有观察数据则先给识别假设和不可识别范围。 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：查询与上下文核对；关系：adjacent 支持：邻近分析工作法支持自动组织计算。 限制：Agent不能从缺失记录补出真实随机化；本站无该任务运行。 核查：2026-10-19；来源状态：active 适用限制：Agent不能从缺失记录补出真实随机化；本站无该任务运行。 ## 情境变化 ### 随机对照与聚类 输入变化：用户、地区或门店随机且结果有重复观测。 判断变化：可分阶段接收，分析单位和相关结构先冻结。 验收变化：按随机化单位重算区间、SRM、流失与多重比较；不能把事件当独立用户。 ### 只有观察数据 输入变化：上线前后或自选参与，没有随机分配。 判断变化：优先交付识别方案/敏感性而非默认处理效应；可用工具估计条件效应。 验收变化：列因果图/对照构造、平行趋势或其他识别证据与反驳测试。 研究前沿：来源支持实验有效性检查与Agent查询方法；未提供自动识别任意因果关系的直接成绩。 下一项验证：冻结随机化/排除/分析计划，用保留的真值模拟数据和异常分配控制校准后，再在真实完整日志上估计效应与区间。 未来改判信号： - 新实验下设计诊断、估计和区间经独立复算保持一致，可考虑扩大相近输入范围。 - 分配/暴露链缺失、事后挑选指标或停止点导致识别失败，应收窄或暂停相应采用。 接收/拒收： - 样本进入机制可信：核对分配比例、流失、重复单位、污染及排除规则 拒收：分组比例明显异常却直接报告显著提升。 - 估计与设计和问题一致：确认分析单位、意向处理/暴露口径、相关性与预先约定的检验 拒收：按会话随机化却按独立用户事件计算过窄区间。 - 结论与不确定性相称：报告效应与区间、实践门槛和探索性分析；说明未满足假设 拒收：挑一个显著分组或停止时点，宣称所有用户有效。 失败处理：分配异常或严重流失时定位链路、标记受影响结果并提出补数/重跑；观察数据只输出相应条件下的解释。 本站记录：本站未测本单元的AI分析准确性；旧实验场景可作资料入口。 尚未覆盖：计算准确不能弥补不存在的对照或未满足识别假设。 验证方法：随机化/暴露/流失/聚类、观察研究假设与敏感性、停止/多重比较，独立复算。 ### 决策支持交付 成本收益、适用限制和可行动建议。可把效果/预测误差与行动门槛、成本和替代方案联结成决策材料；区间和假设与建议一起交。 交付物：成本收益、适用限制和可行动建议 判断依据：工具与方法依据、有条件的编辑推断 当前变化：可把效果/预测误差与行动门槛、成本和替代方案联结成决策材料；区间和假设与建议一起交。 - 实验分析：估计效果，或说明为什么还不能判断：/work-units/W-A03?version=2026-10-21.workunits.2 数据科学的“决策支持交付”使用实验分析：估计效果，或说明为什么还不能判断，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。（partial；workunits/work-unit/W-A03@2026-10-21.workunits.2） - 机器学习实验包：数据、训练与可解释的保留集表现：/work-units/W-C06?version=2026-10-21.workunits.2 数据科学的“决策支持交付”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） 应用范围：数据科学的“决策支持交付”使用实验分析：估计效果，或说明为什么还不能判断，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。 AI工作组织：AI可把设计诊断、计算和敏感性检验合为循环；问题不可识别时返回需要的设计或数据，不硬给答案。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：程序可整包计算并核对随机分配、区间与切片，但估计对象、暴露机制和停止规则约束因果解释；异常时交付不可识别诊断有实际价值。 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 ### 样本比例异常是实验数据有效性警报，须诊断分配/暴露/流失链路后再解释效果；比例正常也不能证明其他假设成立。 依据身份：工具与方法依据；状态：active - 样本比例异常：实验看似有效也可能有数据问题：https://www.microsoft.com/en-us/research/publication/diagnosing-sample-ratio-mismatch-in-online-controlled-experiments-a-taxonomy-and-rules-of-thumb-for-practitioners/ 定位：Sample Ratio Mismatch诊断；关系：method 支持：支持以设计与异常控制保护实验解释。 限制：这是统计方法研究，不是AI模型成绩。 核查：2026-10-19；来源状态：active 适用限制：这是统计方法研究，不是AI模型成绩。 ### 可让Agent把设计核对、程序估计、稳健性与解释合为交付；若只有观察数据则先给识别假设和不可识别范围。 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：查询与上下文核对；关系：adjacent 支持：邻近分析工作法支持自动组织计算。 限制：Agent不能从缺失记录补出真实随机化；本站无该任务运行。 核查：2026-10-19；来源状态：active 适用限制：Agent不能从缺失记录补出真实随机化；本站无该任务运行。 ## 情境变化 ### 随机对照与聚类 输入变化：用户、地区或门店随机且结果有重复观测。 判断变化：可分阶段接收，分析单位和相关结构先冻结。 验收变化：按随机化单位重算区间、SRM、流失与多重比较；不能把事件当独立用户。 ### 连续查看与多指标 输入变化：多个时点停止、切片挑选显著项。 判断变化：预设停止/纠错方法后再给行动区间；探索需显式标注。 验收变化：记录所有查看与候选，区分探索和确认，复算合适不确定性。 研究前沿：来源支持实验有效性检查与Agent查询方法；未提供自动识别任意因果关系的直接成绩。 下一项验证：冻结随机化/排除/分析计划，用保留的真值模拟数据和异常分配控制校准后，再在真实完整日志上估计效应与区间。 未来改判信号： - 新实验下设计诊断、估计和区间经独立复算保持一致，可考虑扩大相近输入范围。 - 分配/暴露链缺失、事后挑选指标或停止点导致识别失败，应收窄或暂停相应采用。 接收/拒收： - 样本进入机制可信：核对分配比例、流失、重复单位、污染及排除规则 拒收：分组比例明显异常却直接报告显著提升。 - 估计与设计和问题一致：确认分析单位、意向处理/暴露口径、相关性与预先约定的检验 拒收：按会话随机化却按独立用户事件计算过窄区间。 - 结论与不确定性相称：报告效应与区间、实践门槛和探索性分析；说明未满足假设 拒收：挑一个显著分组或停止时点，宣称所有用户有效。 失败处理：分配异常或严重流失时定位链路、标记受影响结果并提出补数/重跑；观察数据只输出相应条件下的解释。 本站记录：本站未测本单元的AI分析准确性；旧实验场景可作资料入口。 应用范围：数据科学的“决策支持交付”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。 AI工作组织：Agent可按评分反馈自主选择模型、代码与实验，确定性训练器直接运行；保留集和预算与搜索过程分离。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：MLE-bench证明训练与实验可以被Agent组织成可评分交付；其预算、公开数据与榜单条件特定。独立保留集与数据机制限制迁移，不能用多次搜索最好一次作稳定表现。 当前可用性：mixed；训练框架和记录工具公开；竞赛/模型/计算资源有条件且本文未消耗新试验。 - MLE-bench：https://github.com/openai/mle-bench 2026-10-20公开仓库HEAD 507f92e1138bb6e40dac5c6ee7a6758e6424bf97；实际运行另固定依赖/镜像/模型；公开代码；Kaggle条款、GPU/数据存储与模型API另备 - MLflow Tracking：https://mlflow.org/docs/latest/ml/tracking/ Tracking文档；具体包版本在实际试验固定；开源记录工具；存储/访问控制另配置 ### 在独立保留集和预算受控时，可整包委派训练搜索；采用决策以保留集切片、资源和下游条件作阶段接收。 依据身份：有条件的编辑推断；状态：active - MLE-bench 官方实现与可比性公告：https://github.com/openai/mle-bench 定位：README：leaderboard update/agents；关系：partial 支持：可运行训练及评分资产是迁移基础。 限制：官方暂停新提交，任何目标任务成功率仍未知。 核查：2026-10-20；来源状态：active 适用限制：官方暂停新提交，任何目标任务成功率仍未知。 ## 情境变化 研究前沿：公开训练任务已有实测与可运行资产；当前排行榜暂停新提交，跨方法可比性有限，尚不能证明本组织数据上的泛化。 下一项验证：取一个未泄漏的小型真实数据问题，锁定时间/实体保留集与预算，先跑简单参考，再让Agent交完整模型和失败账本；服务化另测。 未来改判信号： - 在新时间窗/实体保留集持续超过简单基线且资源可追踪，可考虑扩大相近输入范围。 - 标签/未来特征泄漏、切片退化或只保留最好一次结果，应收窄或暂停相应采用。 接收/拒收： - 评价不被开发污染：按时间/实体/组划分并审查特征可用时点，保留集由独立入口评分。 拒收：同一用户重复进入训练和测试，或使用未来标签。 - 结果可重现且代价明确：从固定环境重新训练/加载权重，核对种子、预处理、依赖、尝试次数与实际资源。 拒收：只交最好的截图，丢掉失败与调参预算。 - 泛化和结论相称：对关键业务群体、漂移与简单基线比较；研究结果含消融与可反证范围。 拒收：验证分上升就声称已改善生产效果或提出新理论。 失败处理：数据质量或划分不成立时先交诊断和修复方案；预算内未达标是结果，不生成虚构成绩。 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：真实成本、干预机制与风险取舍需业务依据，模型/实验得分不能直接推出收益。 验证方法：独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。 ### 数据产品原型 可用分析或模型原型及维护边界。可委派分析/模型原型和可用接口，按固定输入、结果/来源、实际服务与维护边界接收。 交付物：可用分析或模型原型及维护边界 判断依据：工具与方法依据、有条件的编辑推断、外部报告结果 当前变化：可委派分析/模型原型和可用接口，按固定输入、结果/来源、实际服务与维护边界接收。 - 模型推理服务交付：效果、资源与回滚：/work-units/W-C15?version=2026-10-21.workunits.2 数据科学的“数据产品原型”使用模型推理服务交付：效果、资源与回滚，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。（partial；workunits/work-unit/W-C15@2026-10-21.workunits.2） - 检索与工具Agent应用交付：任务结果和外部状态：/work-units/W-C26?version=2026-10-21.workunits.2 数据科学的“数据产品原型”使用检索与工具Agent应用交付：任务结果和外部状态，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。（partial；workunits/work-unit/W-C26@2026-10-21.workunits.2） 应用范围：数据科学的“数据产品原型”使用模型推理服务交付：效果、资源与回滚，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。 AI工作组织：Agent联合实现预处理、推理接口和部署验证；稳定推理由程序执行，效果/环境反馈驱动修正。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：模型工程需要把实验和运行状态接起来。公开KServe提供版本流量/观察机制，MLflow记录模型谱系；这些工具不提供AI部署成绩，采用建议是结合可验证状态作出的编辑判断。 当前可用性：mixed；MLflow/KServe机制公开；目标模型权利、硬件、依赖与部署版本另固定，未在本站运行。 - KServe：https://github.com/kserve/website/blob/main/blog/2026-08-06-KServe-0.20-release.md 0.20发布；具体CRD/Runtime镜像在执行固定；开源；K8s/推理资源、模型权利与云权限另备 - MLflow：https://mlflow.org/docs/latest/ml/tracking/ 按实际服务固定MLflow/模型/存储版本；开源记录工具；API和存储权限另配 ### MLflow可记录模型/试验谱系，KServe0.20发布提供流量切分与canary机制；服务行为可以按版本单独核验。 依据身份：工具与方法依据；状态：active - KServe0.20发布说明：https://github.com/kserve/website/blob/main/blog/2026-08-06-KServe-0.20-release.md 定位：0.20 release：traffic splitting/canary；关系：method 支持：提供公开部署机制。 限制：机制存在不是模型效果或AI上线可靠率。 核查：2026-10-20；来源状态：active 适用限制：机制存在不是模型效果或AI上线可靠率。 ### 实验参数/代码/指标/产物应能连到服务版本，否则离线成绩无法解释线上差异。 依据身份：工具与方法依据；状态：active - MLflow Tracking 官方说明：https://mlflow.org/docs/latest/ml/tracking/ 定位：Tracking Runs；Models；关系：method 支持：提供谱系/版本记录接口。 限制：记录正确性和线上效果仍由任务验证。 核查：2026-10-20；来源状态：active 适用限制：记录正确性和线上效果仍由任务验证。 ### 可委派模型推理工程包，以独立效果、资源/故障和版本回滚接收；不继承训练成绩或服务存活作为业务收益。 依据身份：有条件的编辑推断；状态：active - KServe0.20发布说明：https://github.com/kserve/website/blob/main/blog/2026-08-06-KServe-0.20-release.md 定位：canary与versioned traffic；关系：partial 支持：分版本接收有工具基础。 限制：未在目标环境运行，本任务不提供成功率或业务收益。 核查：2026-10-20；来源状态：active 适用限制：未在目标环境运行，本任务不提供成功率或业务收益。 ## 情境变化 ### 模型推理与漂移 输入变化：训练模型作为批/在线服务。 判断变化：先核对特征/权重一致性，再接收负载和漂移响应。 验收变化：保留切片、未知类别、输入schema、延迟/成本和再训练/回退。 研究前沿：MLflow追踪谱系与KServe版本化部署机制公开；方法存在不等于本模型/硬件的AI交付可靠率，也不能以存活推断业务收益。 下一项验证：固定一个模型API和旧版本，核对保留输入/特征，再测异常/并发/资源并回滚，检查旧服务真实输出。 未来改判信号： - 新模型/数据版本的线上线下效果、资源和回滚持续一致，可考虑扩大相近输入范围。 - 特征错位、漂移未响应或服务存活掩盖效果退化，应收窄或暂停相应采用。 接收/拒收： - 版本与效果一致：同保留输入核对权重/特征/Tokenizer/输出，检查缺失、新类别和关键切片。 拒收：服务载入旧权重却继承新训练成绩。 - 负载与失败可接收：固定并发/规模，测尾延迟/吞吐/资源，施加资源不足、依赖超时和异常输入。 拒收：只看HTTP200或最快一次，隐藏资源耗尽。 - 版本可恢复：按版本对比效果/资源，演练减流/回滚及旧模型-特征一致性，核验漂移响应。 拒收：canary存在但回滚后模型/特征不匹配。 失败处理：缺目标硬件/保留数据时交具体阻塞；效果或资源不达标保留失败，不改阈值隐藏。 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：数据科学的“数据产品原型”使用检索与工具Agent应用交付：任务结果和外部状态，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。 AI工作组织：Agent可以检索、选工具与修订结果；稳定部分用普通程序，独立结果检查与权限门禁持续作用。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：公开专用数据Agent案例表明检索/查询/结果反馈可以形成任务闭环，公开浏览器工具提供操作接口；迁移到新工具/权限必须用目标任务和副作用控制核验。 当前可用性：mixed；数据Agent为专用内部系统；公开浏览器接口可用，目标模型/检索/工具环境需配置并固定版本。 - 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；开源接口；应用身份/模型与目标工具权限另备 ### 公开内部数据Agent案例描述了查询/上下文与结果修正闭环，是专用数据系统的自报能力展示，可作邻近任务组织依据。 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；关系：partial 支持：已有专用Agent任务闭环案例。 限制：不是可下载同配置应用，也不评估本站工具写入/对抗条件。 核查：2026-10-19；来源状态：active 配置：2026-01-29案例，GPT-5.2与专用数据/语义/权限；golden SQL/结果比较；未公开本任务分母/成本。 适用限制：不是可下载同配置应用，也不评估本站工具写入/对抗条件。 ### 可委派检索/工具应用的实现与评测，但接收需同时核对结果、来源与真实外部状态；任务预算与失败边界明确。 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/contexts/results；关系：partial 支持：专用任务闭环提供邻近迁移依据。 限制：外部状态、权限与真实任务效果必须另验。 核查：2026-10-19；来源状态：active 适用限制：外部状态、权限与真实任务效果必须另验。 ## 情境变化 ### 检索与可引用回答 输入变化：结果为依据资料的回答/分析，不改变外部状态。 判断变化：可整包交付，先校准来源支持、缺失/过期资料与无答案。 验收变化：逐项引用支持、版本/新鲜度、无答案和恶意资料。 研究前沿：公开内部数据Agent案例描述专用语义/查询/结果反馈闭环；Playwright MCP公开工具接口便于操作网页。前者是厂商专用案例、后者是方法，均不证明本应用写工具、对抗注入和任务族稳定性。 下一项验证：从真实流程取一组脱敏保留任务及无答案/注入/越权/重试控制；让Agent交可运行应用，独立读出工具最终状态并记录实际费用。 未来改判信号： - 新保留任务下结果/来源和外部状态持续正确，预算与边界受控，可考虑扩大相近输入范围。 - 注入导致越权、引用不支持结论或重试造成重复副作用，应收窄或暂停相应采用。 接收/拒收： - 结果和来源对应目标：独立检查引用是否支持每项结论，查询/文件/动作是否改变正确状态；无答案可拒绝。 拒收：引用存在但不支持答案，或只调用工具就算完成。 - 边界与副作用受控：用注入/越权/恶意检索和重试测试，确认未执行禁止动作、未重复写入。 拒收：从网页指令拿凭据或重复扣款。 - 失败和成本可接收：截断依赖、改变schema/上下文，记录预算/步骤、失败解释与恢复；不能无止境循环。 拒收：超预算重试隐藏失败，最终产物也无法核对。 失败处理：依赖或语义不足输出可定位阻塞与已完成状态；不能编造引用/工具结果，失败恢复须避免重复副作用。 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：原型可用不等于数据产品长期运行或业务采用。 验证方法：同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。 ## 与工作关联的进展 ### MLE-bench公开训练与实验任务资产 公开 2024-10-09 离线Kaggle工程任务有直接模型实验与公开运行资产。 支持范围：离线竞赛与预算特定；模型训练得分不继承为服务/收益。 来源状态：active /explore?purpose=understand&domain=computing&window=all#P-C-ML-TRAIN ## 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：探索、清洗和基线建模自动化增多，问题定义和外部有效性成为核心差异。 加速：若代理能可靠提出分析方案并经独立数据检验，可并行处理更大问题集。 受限：若数据生成和业务反馈不可观察，快速生成模型仍难改善决策。 改判信号： - 独立数据上的模型校准与误差 - 分析建议被实施后的实际效果 ## 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： - 目标、数据生成机制和可行分析范围；附用真实记录核对单位、时间、缺失/选择和业务决策，未识别部分与可补数据明确。 - 可重放统计、切片、解释及备选假设；附总量/组内/组成恒等式、重叠去重、参考权重与反直觉控制，解释与口径一致。 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 - 统计研究与应用：/careers/statistician.md?version=2026-10-21.careers.2 统计师更聚焦研究设计与推断有效性；数据科学常把模型、软件和业务应用结合。 - 机器学习工程：/careers/ml-engineer.md?version=2026-10-21.careers.2 数据科学可交付分析结论；机器学习工程侧重持续部署与运维。 ## 职业名称与分类映射 - O*NET-SOC 15-2051.00 Data Scientists；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 数据科学的“分析问题与数据诊断”使用指标报表：交付可重放的查询、图表与解释，输入/接收对象是目标、数据生成机制和可行分析范围；用真实记录核对单位、时间、缺失/选择和业务决策，未识别部分与可补数据明确。（partial；workunits/work-unit/W-A01@2026-10-21.workunits.2） - 探索分析交付：分布、关系与时间变化的可重放诊断：/work-units/W-A04?version=2026-10-21.workunits.2 数据科学的描述与机制探索采用探索分析交付：分布、关系与时间变化的可重放诊断；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。（partial；workunits/work-unit/W-A04@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 数据科学的描述与机制探索采用组成变化诊断：拆清总体变化来自哪里；以延迟尾部上升为非组成例，核单位/重复/采样/缺失，复算分位/关系/时间窗，挑战大请求/重试/真实变化等替代解释。（partial；workunits/work-unit/W-A02@2026-10-21.workunits.2） - 机器学习实验包：数据、训练与可解释的保留集表现：/work-units/W-C06?version=2026-10-21.workunits.2 数据科学的“决策支持交付”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） - 实验分析：估计效果，或说明为什么还不能判断：/work-units/W-A03?version=2026-10-21.workunits.2 数据科学的“决策支持交付”使用实验分析：估计效果，或说明为什么还不能判断，输入/接收对象是成本收益、适用限制和可行动建议；独立复算净影响/误差代价的情景边界，显示何种效应/成本条件会改变行动，不仅看p值。（partial；workunits/work-unit/W-A03@2026-10-21.workunits.2） - 模型推理服务交付：效果、资源与回滚：/work-units/W-C15?version=2026-10-21.workunits.2 数据科学的“数据产品原型”使用模型推理服务交付：效果、资源与回滚，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。（partial；workunits/work-unit/W-C15@2026-10-21.workunits.2） - 检索与工具Agent应用交付：任务结果和外部状态：/work-units/W-C26?version=2026-10-21.workunits.2 数据科学的“数据产品原型”使用检索与工具Agent应用交付：任务结果和外部状态，输入/接收对象是可用分析或模型原型及维护边界；同保留输入查预处理/权重/查询与输出，核对无答案、资源/回退和接手步骤。（partial；workunits/work-unit/W-C26@2026-10-21.workunits.2） - Data Scientists：https://www.onetonline.org/link/summary/15-2051.00 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。