深度分析
PPT‑Eval：針對 PowerPoint 多模態操作的基準測試與模型表現分析
隨著企業與學術單位大量使用簡報，研究推出PPT‑Eval基準，涵蓋120項PowerPoint線上任務並使用細緻評分規範，測試顯示即使是Claude‑4.5‑Opus等先進模型成功率僅45%，遠低於人類80%，凸顯實務挑戰。此結果顯示現行AI代理人在多模態圖形介面操作仍有顯著缺口。
深度分析
隨著企業與學術單位大量使用簡報，研究推出PPT‑Eval基準，涵蓋120項PowerPoint線上任務並使用細緻評分規範，測試顯示即使是Claude‑4.5‑Opus等先進模型成功率僅45%，遠低於人類80%，凸顯實務挑戰。此結果顯示現行AI代理人在多模態圖形介面操作仍有顯著缺口。
深度分析
隨著大型語言模型被稱為「編碼代理」與「AI 共科學家」的標籤，本文區分外部流程驅動的 Agentic 系統與內部自發的 Agentive 系統，提出 Goal‑Identity‑Configurator (GIC) 架構作為未來通用代理模型的藍圖，強調僅靠工具串接無法實現自主目標分解與自我調節。