**DocOps：复杂文档操作中自主代理的可验证基准测试**

_DocOps: A Verifiable Benchmark for Autonomous Agents in Complex Document Operations_

> HuggingFace Daily Papers 发布 DocOps，这是一个用于评估自主代理在复杂文档操作中能力的可验证基准。研究通过分层分类法将文档操作分解为原子维度和工作流复杂度，系统评估了多种开源和闭源模型。结果显示，即使是最先进的模型在处理高度耦合的长程任务时仍存在显著局限，主要失败模式包括长期状态追踪崩溃、浅层语义验证以及破坏性编辑结构元数据。该研究揭示了代理在维护全局文档一致性方面的能力边界，为未来设计鲁棒的非破坏性代理提供了方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.19865)