基准

SpreadsheetBench v2

聚焦电子表格操作的智能体评测基准，要求智能体理解表格结构、执行公式与数据变换，考验精确的多步操作能力。

时间轴 (近 90 天)

10月20日

EvoSkill v2 在 SpreadsheetBench v2 基准上，将留出集通过率相比较强的基线高出 7.7 个百分点。

待验证50%

10月20日

SpreadsheetBench v2 聚焦电子表格操作，τ³-bench banking 属于 τ-bench 系列的工具调用基准，模拟银行客服场景。

待验证50%

EvoSkill v2 在 SpreadsheetBench v2 基准上，将留出集通过率相比较强的基线高出 7.7 个百分点。

SpreadsheetBench v2 聚焦电子表格操作，τ³-bench banking 属于 τ-bench 系列的工具调用基准，模拟银行客服场景。