多模態基準測試

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。