提出了OmegaUse-OfficeVal基准,用于评估LLM代理在长程办公套件任务上的经济性,包含100个任务,平均需要2.32小时人工,通过经济信号和基于代码的验证器进行评估,发现LLM显著更便宜更快但尚未达到人类交付质量。
机构:百度
来源:arXiv 2607.27155 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程