arXiv cs.AI· Zhou Liu, Xingyan Chen, ZhaoYang Han, Zewei Pan, Zeli Su, Ningxin Pan, Xue Hu, Kaixiong Ting, Wentao Zhang·· 8 小时前AI 评分29
EvoCowork：面向真实办公任务的 240 项基准测试
EvoCowork: A Benchmark for Real-World Office Tasks
AI 导读
EvoCowork 是一个包含 240 项任务的基准，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。
来源：arXiv cs.AI · arxiv.org