大型语言模型（ LLM ）代理越来越多地被期望帮助用户完成任务。但是，现有基准为评估客服代表是否能够以合理的成本执行办公室套房工作流程提供了有限的支持。我们引入了OmegaUse-OfficeVal ，这是一个用于评估LLM代理在具有任务级经济基础的长期办公套件任务中的基准。基准compr

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.27155v1)获取最准确的信息。

---
🔗 **原文链接**: [OmegaUse-OfficeVal: Benchmarking LLM Agents on Long-Horizon ](https://arxiv.org/abs/2607.27155v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Jingbo Zhou, Yusai Zhao, Qi Bao, Jingjia Cao, Zhenghai Chen, Chang Gao, Kaiqi Guo, Muxin Guo, Mingxuan Li, Xinjiang Lu, Yanru Ma, Yixiong Xiao, Zenghui Zhang, Le Zhang, Hua Wu

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-30 22:02