办公 Agent · 电子表格处理交付评测

步骤与要求

1. 从对应评测集中选取 15 道任务，四款产品分别通过网页端执行。
2. 允许必要的人工辅助、任务续接和重试，保存最终输出或交付物。
3. 采用 SpreadsheetBench Verified 子集，比较交付文件的目标区域与预期结果，统计通过题数。
4. 公开分项汇总及具体交付案例，保留计分单位和执行条件。

适用边界

• 统计对象为允许人工辅助、续接和重试后的最终交付，首次无人干预成功率不在本轮统计范围内。
• 每套每款 15 题，按类别、难度等信息选取，属于非简单随机样本；本轮未设置重复运行实验，分差描述本批任务表现。
• 核验范围为任务指定的目标区域，评分不覆盖工作簿的其他区域。