跳到正文
arXiv · AI· Jian Zhu, Yuzheng Zhang, Zeyao Ma, Bohan Zhang, Armin Schoepf, Daniel Woloch, Peter Yiliu Wang, Guangyu Robert Yang, Samuel Jacob, Siddharth Nagisetty, Abhiram Chundru, Jean Lin, Spencer Mateega, Jing Zhang·· 10 天前AI 评分45

SpreadsheetBench 2: 评估智能体在端到端商业电子表格工作流中的表现

SpreadsheetBench 2: Evaluating Agents on End-to-End Business Spreadsheet Workflows

AI 导读

SpreadsheetBench 2 发布,这是一个包含 321 个任务、由领域专家验证的电子表格智能体基准测试。该基准涵盖生成、调试和可视化三大类任务,基于真实商业数据构建。

来源:arXiv · AI · arxiv.org