EvoCowork办公任务基准发布

2026年10月14日，Zhou Liu等作者在arXiv发布EvoCowork，一个包含240个任务的基准，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。据该报道，方法先在单模态任务上学习，再在共享初始harness与明确预算下，于未见过的单模态任务和跨办公工作流上评估；从相同的MSA harness与GLM 5.3出发，ACE和AHE分别将域内分数提升4.90和2.64分，但跨办公分数仅变化+0.03和-1.72。目前进展仅为此基准发布及上述评测结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。