DataClawEval针对端到端数据工程智能体评测，覆盖PySpark、MySQL、HiveSQL、PrestoSQL/Trino和FlinkSQL五类执行引擎，共100项由企业数据工程师编写的生产级任务。研究采用隔离沙箱与确定性规则脚本评分，评测16个前沿智能体后发现最高总分仅74.9，且不同模型各有所长，尚未形成通用能力。
最近 24 小时暂无可用热度快照。