大模型分析表格时，怎样验证生成代码、数值计算和统计结论的正确性？

数值计算类问题有考虑过准确性问题吗？

对于数值计算不准确的情况，是怎么处理的？

数值计算结果用户无法直观判断对错，该系统如何使用？

Qwen3 的 coder 模型生成的代码有出现过不能运行的情况吗？

全由 Coder 模型做分析，有验证过效果的准确性吗？

若有测试集，你会如何评估模型分析结果的准确性（包括数值类问题和统计类问题）？