基准WorkBuddy Bench

WorkBuddy-Bench

衡量Agent在真实办公任务中表现的基准，任务涵盖检索、表格处理、文档生成、跨应用操作等多步工具调用场景

时间轴 (近 90 天)

10月20日

Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。

待验证50%

10月18日

据官方披露，仅一个精炼步骤就让 GLM-5 在 WorkBuddy-Bench 上提升了 11.5 分。

待验证50%

10月18日

该 11.5 分提升结果仅来自单一来源的官方披露，目前缺乏第三方复现。

待验证50%

Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。

据官方披露，仅一个精炼步骤就让 GLM-5 在 WorkBuddy-Bench 上提升了 11.5 分。

该 11.5 分提升结果仅来自单一来源的官方披露，目前缺乏第三方复现。