浙大与蚂蚁发布 LongDS v1.1，GPT-6 Astra 居长程数据分析 Lite 榜首位

浙江大学、蚂蚁集团及联合实验室提出 LongDS-Bench，用真实 Kaggle 工作流构建 68 个任务、2,225 轮交互，论文被 EMNLP 2026 主会录用。此次发布 v1.1，细化任务规范并推出含 24 个任务、777 轮交互的 Lite 子集，v1.1-Lite 榜上 GPT-6 Astra 以 78.17 分暂列第一，Claude Fable 5.1 为 76.53 分。

此前数据分析基准多给出完整目标，而 LongDS 把评测重点放在多轮推进中分析状态的维护与演化，如规则沿用、指标定义修改、临时假设与历史版本找回。它指出代码运行成功但用错数据版本或指标时不会报错，结果已偏离意图，这补充了现有基准未覆盖的失败类型。