**OmegaUse-OfficeVal：基于经济基准的长周期办公套件任务LLM代理评测**

_OmegaUse-OfficeVal: Benchmarking LLM Agents on Long-Horizon Office-Suite Tasks with Economic Grounding_

> 研究团队推出OmegaUse-OfficeVal基准，用于评估大型语言模型（LLM）代理在长周期办公套件任务中的表现。该基准包含100个源自实际办公需求的任务，每个任务均配备人工劳动时间与价格代理两个经济指标，支持成本与质量的综合对比。实验显示，尽管当前主流LLM在速度与成本上显著优于人类，但其产出质量尚未达到人类水平。代码与数据集已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.27155)