数据科学代理能够自动化完整的机器学习工作流，但在人类排行榜上仍然落后。常见的过程错误包括探索不足、验证不可靠、代码缺陷以及在固定预算下重复相同的探索性数据分析和基线模型。AdaPRA 通过持久化的编码代理框架在同一任务的多次尝试中累积知识，并使用基于评分标准的过程监督来发现并纠正错误。过程奖励代理通过执行检查审计代理的轨迹和工作空间，并根据每个任务自适应调整评分标准。实验表明，从易任务中得到的评分标准能够迁移到难任务，进一步的自适应还能提升性能。在每个任务进行五次尝试的设置下，AdaPRA 将 80B Qwen 模型在 DSPredict-Easy 上的排行榜百分位提升了 24.5 分，在 DSPredict-Hard 上提升了 14.8 分，同时显著降低了过程错误。我们还发现，用一个基模型的运行挖掘的评分标准可以提升另一个模型（DeepSeek‑V3.2）的表现，且 AdaPRA 超越了竞争对手 DataPRM。代码已公开以供复现。
点评