EvoCowork发布240任务办公智能体基准

研究者 Zhou Liu 等人发布 EvoCowork，一个包含 240 个任务的基准，用于评估 harness 层面的递归自我改进。据作者介绍，该基准覆盖演示文稿、文档、表格和跨办公工作流四种模态，评估时保持模型权重固定。 这意味着改进不来自模型本身，而来自模型外围的 harness 层。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。