ArrivalBench：Agent 生成的数据管道首次运行正确，却可能在时间变化下失效

英文标题：ArrivalBench: Agent-Generated Data Pipelines Are Correct Once and Wrong Under Time

ArrivalBench 是一项用于评估 Agent 生成数据管道的新基准。现有基准通常只在固定数据快照上执行一次管道并评分，而 ArrivalBench 会在具有对抗性但可重放的数据交付时间表下重新执行 Agent 留下的管道。该基准关注迟到、重复、乱序等数据到达情况，以检验管道在时间维度上的正确性与稳健性。它提示开发者和行业：一次运行成功并不代表数据管道能够在真实、动态的数据交付环境中持续正确运行。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB