Claude Opus 4.8 · OfficeQA · Pro 133-question subset · 成绩与配置

Claude Opus 4.8 的 OfficeQA · Pro 133-question subset 记录。本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录),附 1 条来源定位。

成绩与评测条件

Claude Opus 4.8 · OfficeQA 成绩与配置
指标与成绩配置与评测条件出处
Exact-match accuracy66.2%原文 66.2% · 单位 %
公布 未确认
OfficeQA 内部 agentic harness
设置
从文档提取文本并放入 sandbox,提供 code execution;exact-match grading。OfficeQA Pro 为推荐的 133-question subset。与直接解析原始 PDF 的公开 harness 不可混比。
未知项
未另记
工具
允许工具
推理预算
未记录
框架
未记录
协议
OfficeQA Pro, harder 133-question subset; exact-match grading.
条件
Internal agentic harness; documents extracted to text in sandbox with code execution. Not directly comparable to harnesses parsing raw PDFs.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 OfficeQA Pro

  • Exact-match accuracy · % · 越高越好