Hacker News AI· landonxi·· 4 天前AI 评分38
Surge AI 推出 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI 智能体
Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
AI 导读
Surge AI 发布 DAYJOB: Tax 基准，包含 8 个税务领域的 50 个任务环境，以 95% 评分标准下的 pass@1 衡量智能体表现。Claude Sonnet 5.5 以 10.8% 通过率居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。
来源：Hacker News AI · surgehq.ai