APEX-Agents：以跨应用专业工作交付评测长程Agent

APEX-Agents由投行、咨询与法律从业者设计长程跨应用任务，在包含文档、邮件和数据的模拟工作环境中检查最终交付物，提供专家评分标准与Archipelago运行评测基础设施。 任务要求Agent在统一环境中查阅材料、操作应用并产出文件或答案；专家编写的标准分别检查交付要求。作者公开数据集及执行、评分基础设施，基准代表所选择的专业工作场景，不等同所有职业岗位的生产表现。