گروهی به سرپرستی نان جیا و هائوجین یانگ، DataPraxis را معرفی کردند؛ چارچوبی که با راستی‌آزمایی تک‌تک مراحل یک فضای کاری، وظایف تحلیلی می‌سازد. آن‌ها با استفاده از این چارچوب، DataPraxis-5K را ایجاد کردند؛ مجموعه‌ای شامل 5,000 مسیر تحلیلیِ راستی‌آزمایی‌شده در حوزه‌های گوناگون. همچنین دو مدل DataPraxis-27B و DataPraxis-35B-A3B را آموزش دادند که در آزمون DABStep امتیاز 55.11 و در JobBench امتیاز 51.9 کسب می‌کنند و با مدل‌های مرزیِ هم‌رده برابری می‌کنند یا از آن‌ها بهترند.
چرا مهم است
این مجموعه‌داده، مواد آموزشیِ قابل‌اعتمادی در اختیار پژوهشگران می‌گذارد تا هوش مصنوعی‌ای بسازند که از پسِ کارهای تحلیلی دنیای واقعی بربیاید.
