docs/WILD_BENCH.md

Wild Bench — can the shipped system clean real-world tables?

Behavioral audit + seeded inject-recovery per dataset (eval/wild_bench.py).

dataset	domain	rows×cols	valid	changes	flags	PII	silent	typo	ocr	case	ws	mean
airlines	aviation	56×8	✓	413	1	1	0	—	—	—	—	—
billboard	music-billboard	317×83	✓	36222	3	2	0	0.00	0.00	0.00	0.00	0.00
acnc_charities	nonprofits-au	800×69	✓	43268	4	1	0	0.00	0.00	0.01	0.01	0.01
open_food_facts	food-products	800×211	✓	27115	34	5	0	0.02	0.02	0.02	0.03	0.02
biz_sf	sf-business	800×38	✓	8060	12	1	0	0.02	0.05	0.02	0.07	0.04
irs_eo1	nonprofits-us	800×28	✓	16953	5	3	0	0.04	0.03	0.03	0.15	0.06
permits_nyc	construction	800×60	✓	16762	25	3	0	0.03	0.04	0.04	0.13	0.06
pawnbrokers_nyc	business	800×31	✓	8494	8	2	0	0.06	0.08	0.05	0.11	0.08
proptax_sf	real-estate	800×46	✓	9302	3	3	0	0.06	0.06	0.07	0.12	0.08
biz_chicago	business-licenses	800×37	✓	12808	9	2	0	0.05	0.06	0.06	0.15	0.08
permits_seattle	seattle-permits	800×40	✓	6878	9	2	0	0.08	0.13	0.09	0.14	0.11
restaurants_nyc	restaurants	800×27	✓	7742	6	4	0	0.07	0.08	0.09	0.20	0.11
titanic	passengers	800×12	✓	5722	1	0	0	0.00	0.00	0.09	0.40	0.12
biz_la	la-business	800×16	✓	2726	9	3	0	0.15	0.09	0.10	0.21	0.14
schools_nyc	education	800×41	✓	14387	7	5	0	0.08	0.14	0.12	0.22	0.14
online_retail	ecommerce-uk	800×8	✓	3413	1	0	0	0.26	0.01	0.01	0.30	0.14
film_nyc	film	800×14	✓	3049	3	0	0	0.14	0.16	0.11	0.23	0.16
salary_survey	survey	800×18	✓	4142	5	0	0	0.12	0.20	0.13	0.26	0.18
restaurants_sf	sf-restaurants	800×22	✓	6002	6	2	0	0.15	0.15	0.16	0.26	0.18
alcohol_tx	alcohol-bars	800×24	✓	8518	9	1	0	0.14	0.09	0.17	0.38	0.20
contractors_chi	contractors	800×116	✓	20213	22	2	0	0.17	0.20	0.16	0.33	0.21
fhv_nyc	transport	800×23	✓	3789	4	2	0	0.10	0.30	0.14	0.36	0.23
uk_price_paid	real-estate-uk	800×16	✓	1662	8	0	0	0.14	0.17	0.26	0.42	0.25
food_chicago	food-inspections	800×17	✓	2790	6	0	0	0.17	0.25	0.23	0.38	0.26
bx_books	books	800×8	✓	1650	3	1	0	0.22	0.22	0.16	0.51	0.28
bl_flickr_books	library	800×15	✓	1769	6	1	0	0.19	0.28	0.22	0.43	0.28
svc311_nyc	complaints	800×44	✓	6299	16	2	0	0.23	0.30	0.23	0.37	0.28
spotify	music	800×23	✓	4669	3	1	0	0.20	0.28	0.30	0.36	0.28
glassdoor_jobs	job-listings	800×14	✓	1713	6	0	0	0.20	0.29	0.22	0.43	0.29
ct_real_estate	real-estate-us	800×14	✓	4840	4	0	0	0.23	0.29	0.24	0.40	0.29
worldcities	geography	800×4	✓	914	2	0	0	0.41	0.11	0.22	0.69	0.36
fec_indiv80	political-finance	800×21	✓	4375	4	2	0	0.20	0.24	0.35	0.87	0.41
payroll_nyc	jobs	800×17	✓	4587	3	2	0	0.45	0.56	0.42	0.73	0.54
paris_trees	urban-fr	800×16	✓	3305	5	1	0	0.43	0.54	0.55	0.73	0.56
ev_wa	vehicles	800×16	✓	4085	5	2	0	0.50	0.56	0.48	0.91	0.61