研究人员推出了EvoCowork,这是一个旨在评估真实办公任务中自我改进AI代理的新基准测试。该基准测试包含跨越演示文稿、文档、电子表格和跨办公室工作流四种模式的240个任务。EvoCowork评估提交的产物在内容准确性、结构完整性、公式正确性、文件间一致性和视觉质量方面。初步评估表明,虽然AI代理可以在提供反馈的任务上提高性能,但这些提升并不总是能转移到协调的跨办公室工作流中。 AI
影响 该基准测试有望推动AI代理在执行复杂、多步骤办公任务方面取得更大可靠性和可转移性的进展。
排序理由 该集群包含一篇介绍AI代理新基准测试的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →