今天周六，不给大家整教程，也不聊什么技术力细节了。这篇简单聊聊，就当唠唠嗑～
前两天刷到SuperCLUE发的一份办公智能体测评：SuperCLUE-Office
他们一口气拉了8款国内主流办公智能体进行横测：豆包工作、Kimi Work、WorkBuddy、百度搭子、千问办公、商汤小浣熊、讯飞星火工作、纳米Work。
结果是，豆包工作以85.33分拿了总榜第一。Kimi Work第二、workbuddy第三。
其中文档处理这一项，豆包工作拿到了87.12分，领先第二名将近5分。
这5分是什么概念呢？前四名的总分，从第二到第四一共才差了1.96分，大家咬得非常紧。在这么卷的局面里，单项能拉开快5分，在这份榜单里还是挺显眼的。
SuperCLUE也表示，文档处理是办公智能体落地日常办公最要紧的能力模块。
确实是，你回想一下自己的一天，写规划、改合同、整理纪要、出周报，有多少时间是花在文档上的？几乎所有吧。
然后我好好钻研了一下这个榜单，我觉得还是有点东西的。
先简单说下SuperCLUE是啥。
它背后是CLUE，中文语言理解测评基准，2019年就开始做中文大模型的测评了，在中文NLP圈算是老牌机构。
这几年很多国内厂商发新模型，发布会上都会放一张SuperCLUE的成绩。
不过让我觉得这次靠谱的，主要还是它的测法。
第一，它是端到端的。
不是选择题，也不是问答题，而是直接给你一堆真实文件，让Agent们交付一个能打开、能继续编辑的Word、PPT或者Excel出来。
我看了它公开的一道例题：扮演方向监管部门的负责人，给4份附件（两份发布稿、两份不合格明细表，其中一份还是老格式的.xls），要求交一份8到10页的可编辑Word月报，封面、目录、执行摘要、行动表一样不能少，百分比的小数位还得全文统一。
这看起来好熟悉啊，这不就是很多打工人熬夜做的那些事儿吗。。
内容挺多，感觉好复杂。但是很真实了。
第二，评分非常细。每道题都五档评分细则。
而且，编数据会倒扣分，最多扣4档。