跳到正文

SpreadsheetBench 2

SpreadsheetBench / Renmin University / AfterQuery / 專業辦公 · 完成財務建模、修復工作簿和資料視覺化的整套表格工作。

官方評測
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集

它測什麼,怎麼測

固定 V2 的 321 個任務和統一 SWE-agent 條件;獨立辦公產品和其他 scaffold 成績不歸給基礎模型。表格視覺化的正確性不等於廣泛審美。

如何使用這份依據

觀察中:已有穩定 JSON 和逐行日期,但當前統一條件下的基礎模型覆蓋不足;等待當期型號實測後再接入分數。

評測局限與數據署名

觀察中:已有穩定 JSON 和逐行日期,但當前統一條件下的基礎模型覆蓋不足;等待當期型號實測後再接入分數。

數據許可:官方網站頁尾宣告 MIT;資料集與程式碼入口公開。

成績由 SpreadsheetBench / Renmin University / AfterQuery 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。