Surge AI 推出 GDP.xlsx 基准,最强 Agent 仅得 38.3%

继 GDP.pdf 之后,Surge AI 的 echen 发布兄弟版基准 GDP.xlsx,模拟真实世界的电子表格工作场景。基准覆盖 12 个领域共 70 个真实任务,重点考验前沿模型 agent 能否理解复杂专业 Excel 工作簿的运作逻辑,例如厘清各表之间的结构与关系。结果显示当前最强的 agent 也仅取得 38.3% 的成绩,表明模型在处理复杂真实表格任务上仍有较大提升空间。

2026-10-01 ~ 2026-10-01 · 2 条相关

• GDP.xlsx 基准发布:70 个真实表格任务,最强 agent 仅得 38.3% — echen · 2026-10-01
• Surge AI 发布 GDP.xlsx 基准：70 个真实任务考验 Agent 玩转复杂表格 — echen · 2026-10-01