新测试表明AI实际办公准确率不足25%，但进展比想象更快
创始人
2026-01-26 17:42:57
0次

来源：市场资讯

（来源：IT之家）

IT之家 1 月 26 日消息，Digital Trends 24 日报道，一项由训练数据公司 Mercor 发布的研究报告指出，当前主流人工智能模型在处理实际办公室任务时表现不佳，最高准确率未超过 25%，研究表明 AI 在短期内难以替代人类知识工作者。

该研究基于 Mercor 新推出的 APEX-Agents 基准进行测试，有别于传统上通过写诗和解数学题为主的 AI 评估方法，该基准测试直接采用律师、顾问和银行家的真实工作流，要求受试模型完成横跨多个信息来源的多步骤综合任务。

结果显示，即使是市场上明显处于领先地位的模型也无法达到 25% 的准确率，测试中成绩领先的 Gemini 3 Flash 和 GPT-5.2，其准确率也仅为 24% 和 23%，而其他大多数受试模型的成绩则不高于 20%。

为何 AI 会在“办公测试”中失败？Mercor 首席执行官 Brendan Foody 分析称，AI 失败的关键在于缺乏上下文处理能力。在真实办公场景中，任务往往需要整合分散资源，比如查看日程，翻阅即时通讯记录、阅读 PDF 文档和电子表格，而 AI 在跨源信息搜索与整理时容易混淆、出错，要么干脆放弃。这导致目前的 AI 在办公室里更像一个“不可靠的实习生”，而非成熟的专业人员。

IT之家附 APEX-Agents 准确率测试结果如下（排名从高到低）：

尽管表现有限，但 AI 的进步引人关注。Foody 指出，一年前同类测试的准确率仅为 5%-10%，如今已提升至 24%，AI 的学习速度远超预期。不过，研究也强调，在掌握多任务处理和上下文切换之前，AI 尚无法胜任复杂的知识工作。

上一篇：智改数转网联优秀案例（三）江苏上上电缆集团有限公司

下一篇：两会观察① | “科创天津”呼之欲出

相关内容

热门资讯

原创 猎... 大家好，我是正在汇总信息的何二维一。 今天游戏也是于先遣服正式更新了1.5版本，虽然内容量和咱们之前...
《生化危机：安魂曲》导演称新作... IT之家 1 月 26 日消息，《生化危机：安魂曲》导演中西晃史今天接受游戏媒体 EuroGamer...
华为多款手机通过星闪认证，测试... IT之家 1 月 26 日消息，国际星闪联盟官网显示，华为多款手机新通过了星闪认证，主要覆盖车钥匙协...
苹果新一代Siri下月登场！i... 快科技1月26日消息，本月早些时候，苹果与谷歌正式宣布达成合作，为今年晚些时候推出的产品功能（如Si...
“写实动漫风”的终末地，靠什么... 最近几天，就算你没玩过《明日方舟：终末地》（以下简称《终末地》），大概率也从各个渠道知道了这款游戏公...
1月27日精选热点：马斯克星舰... 1、算力租赁：腾讯春节分10亿现金，百度文心助手5亿跟进春节AI大战 据报道，腾讯发布《关于春节分1...
史上最优秀移动处理器！酷睿Ul... 一、前言：能与Zen 5不相上下的E-Core 如果一个月前有人告诉你1款拥有16个大核的高性能笔记...
四川省地质灾害风险预警系统通过... 为进一步优化提升地质灾害防治业务系统功能，响应新形势下精细化、智能化防灾减灾需求，自然资源厅抓住增发...
科研单位ALD设备配套VMB阀... 引言：科研用VMB阀门的特殊需求 在原子层沉积（ALD）等高端科研设备中，阀门分配箱（Valve M...
欧盟对马斯克旗下X平台展开调查... 来源：市场资讯 （来源：财联社） 财联社1月26日讯（编辑 夏军雄）当地时间周一（1月26日），欧盟...
可“解难题”也可“出好题”！中... 新华社北京1月26日电（记者魏梦佳）中国科研团队近日自主研发出的一款“通矩模型”，该成果26日晚在线...
北京航空航天大学讣告：沉痛悼念... 1月26日，北京航空航天大学发布讣告，沉痛悼念李未同志—— 在北航从事计算机科研与教育工作的李未...
哪款游戏手机性价比最高？202... 在2026年的游戏手机市场中，性价比已成为玩家最关注的选购指标。一台合格的游戏旗舰不仅要性能炸裂，更...
跨越千年的“对话”：前沿科技如... 东方网记者王佳妮1月26日报道：当千年文物遇见现代大科学装置，会碰撞出怎样的火花？由上海科技馆与故宫...
72%ChatGPT订阅者设其... 如果这一数据属实，那谷歌在搜索引擎领域的长期霸主地位将受到重大打击。过去几十年里，从来没有一款搜索引...
采用创新架构 新型“智能”芯片... 来源：科技日报 据最新《自然·电子学》杂志，包括意大利米兰理工大学在内的联合研究团队开发出一种新型“...
投影仪销量暴跌：电视降价、短剧... 两三年前，几乎每个人都曾考虑或购买过智能投影仪。在当时，投影仪被视为大屏娱乐的一种折中方案，它不像电...
2026年科学探索营本周开营：... 1月30日，由中国科学院系统的云南天文台、昆明动物博物馆和昆明植物园三方联合举办、针对12岁以上青少...
京东物流：38亿不买股权，买走... 文｜三车财观 2026年初，中国物流业迎来了一个改写版图的里程碑交易。京东物流正式对外宣布，将以3...
杭州“模”力，又高又新 对发展方位的精确标注，体现了一座城市的战略远见与治理智慧。 加快构建城市多元智算供给服务体系，拥有6...