DocOps：复杂文档操作自主智能体的可验证基准

论文提出DocOps，一套基于层级分类法和确定性验证的文档操作评测框架，将现实工作流拆解为原子能力与递进式复杂任务。对多种闭源、开源模型及智能体框架的评估显示，即使前沿配置也难以处理高度耦合、长程任务，并暴露长期状态跟踪崩溃、浅层语义验证和结构元数据破坏三类失败模式。