#enterprise-software

企业软件

企业软件自动化、网页代理与知识工作任务研究

3 篇博文查看所有标签返回所有帖子

2026年6月19日阅读需 1 分钟

TheAgentCompany：在真实企业任务中评估大语言模型智能体

TheAgentCompany 在模拟内网中评测了 175 项企业任务，最佳模型 Gemini-2.5-Pro 仅完成 30%，每项任务成本 4 美元。

Mike Thrift

aillmautomation

2026年6月17日阅读需 1 分钟

WorkArena++：人类与 AI 智能体在复合型企业任务表现上 93% 的差距

GPT-4o 仅解决 WorkArena++ 的 682 项组合式企业任务中的 2.1%；人类能解决 93.9%，这说明智能体为何在隐含目标的会计工作上停滞不前。

Mike Thrift

aillmautomation

2026年6月13日阅读需 1 分钟

WorkArena：大语言模型（LLM）网络智能体在真实企业知识工作中的表现

WorkArena 的 33 个 ServiceNow 任务显示 GPT-4o 总体 42.7%，但列表筛选为 0%，这是结构化 UI 交互必须跨越的高墙。

Mike Thrift

aillmautomation

免费开始→文档