跳到正文
arXiv · AI· Zhou Liu, Xingyan Chen, ZhaoYang Han, Zewei Pan, Zeli Su, Ningxin Pan, Xue Hu, Kaixiong Ting, Wentao Zhang·· 2026-10-14AI 评分36

EvoCowork: 面向真实办公任务的基准测试

EvoCowork: A Benchmark for Real-World Office Tasks

AI 导读

提出 EvoCowork 基准,评估智能体在固定权重下处理 240 项办公任务的递归自改进能力,涵盖演示文稿、文档、表格及跨办公工作流。 最佳配置整体得分 42.25,跨办公任务得分 30.62;ACE 和 AHE 方法在同域提升 4.90 和 2.64 分,但跨办公任务仅变化 +0.03 和 -1.72 分。

来源:arXiv · AI · arxiv.org