DV-World — бенчмарк агентов визуализации данных

DV-World — бенчмарк из 260 задач для оценки агентов визуализации данных в условиях, приближённых к продакшну. Включает три части: DV-Sheet (нативные операции в таблицах с построением визуализаций и дашбордов и их починкой), DV-Evolution (перенос визуальных дизайнов между языками и контекстами данных) и DV-Interact (выравнивание с неоднозначными пользовательскими требованиями через симуляцию). Оценка комбинирует Table-value Alignment для численной точности и MLLM-as-a-Judge с рубриками для семантико-визуальной оценки; SOTA-модели набирают менее 50%.