arXiv Artificial Intelligence· Zhou Liu, Xingyan Chen, ZhaoYang Han, Zewei Pan, Zeli Su, Ningxin Pan, Xue Hu, Kaixiong Ting, Wentao Zhang·· 18 小时前AI 评分35
EvoCowork：面向真实办公任务的智能体基准
EvoCowork: A Benchmark for Real-World Office Tasks
AI 导读
EvoCowork 是一个 240 任务的基准，用于在模型权重固定的条件下评估 harness 层面的递归自我改进，覆盖演示文稿、文档、表格和跨办公工作流四种模态，并对内容、原生结构、公式、跨文件一致性和视觉质量打分。
来源：arXiv Artificial Intelligence · arxiv.org