HelixCove

HelixCove 是创业公司 Arbium 于 2026 年 10 月 28 日发布的 “人类痕迹”（human traces）数据集，记录工作如何随时间在一个组织中展开。首个版本覆盖一家虚构生物科技公司的三周工作：12 名员工、1,912 个工作会话、59,768 个操作，涉及 Word、Outlook、Teams、Excel、SharePoint 等应用。其中的人物、文档和事件全部虚构，但活动模式是基于数十万小时真实工作数据生成的。

官方文章：Introducing HelixCove · 在线浏览：helixcove.arbium.ai · 发布推文：Arbium 的 X

要点

1. 人类痕迹：Arbium 对“长期保存的电脑操作记录”的叫法。一条痕迹把一个人看到和做的事，与周围的活动连起来：触发这个操作的对话、被改动的文档、以及依赖这一步做下一个决定的同事。
2. 为什么重要：大多数职场数据只记录结果，痕迹则展示结果是怎么来的，包括中间决策、不完整的信息、修正和协作。Arbium 认为这是让 AI 真正干活最有价值的数据。
3. 每条记录包含：时间戳、应用和窗口、事件类型、无障碍树文本，并配有屏幕录像作为视觉上下文。
4. 评测：故事里埋好了有标准答案的事实，用 430 道题测试系统能否找回，从简单查找到随时间变化、多步推理、团队类问题，以及数据中根本没有答案的问题。据 X 上的报道，前沿模型仅靠这些痕迹的得分在 60% 多到 70% 出头。
5. 生成方式：先设定一家虚构公司及其员工、文档和故事事件，再让智能体在运行真实应用的虚拟机上扮演员工，在同一个共享工作区里工作；用 18 项指标（突发性、应用切换、停顿等）把生成的工作日形态和真实人群的范围做对比。
6. 隐私：真实工作数据只用来提供时间、应用切换等行为统计，所有业务内容都是虚构的。

如何浏览

• 在 helixcove.arbium.ai 打开交互式工作场景和评测榜单，可以回放模型的答题过程，按准确率、响应时间或成本排序，并按题目类别筛选。
• 方法细节见 arbium.ai/helix-cove。

适用场景

• 研究从电脑操作记录中学习的 AI 智能体
• 测试记忆和检索系统处理跨人、跨应用、跨时间问题的能力
• 研究依赖同事协作和进行中工作的职场任务所需的智能体上下文

关于 Arbium

Arbium 做的是“给 AI 智能体的真实工作上下文”：其产品 ROOTS-1 把日常工作背后的决策和操作变成智能体可用的上下文；它还与卡内基梅隆大学 CyLab 合作研究可在本地设备上运行的小语言模型。