Surge AI 发布税务 Agent 基准，最高通过率仅 10.8%
热点事件历史事件
Surge AI 发布税务 Agent 基准，最高通过率仅 10.8%
1篇报道1个报道来源4 天前更新
先了解这件事
AI 综述
Surge AI 发布 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI 智能体在 8 个税务领域的表现。按 95% 评分标准下的 pass@1 计算，Claude Sonnet 5.5 以 10.8% 的通过率居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。 一次尝试须满足任务至少 95% 的评分标准才算通过，评分标准考察计算、支撑证据、关键问题和交付成果。完整基准需联系 Surge AI 申请获取。
AI 根据报道生成 · 4 天前更新
最新进展10月28日 23:46
Surge AI 推出 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI 智能体报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hacker News AISurge AI 推出 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI 智能体
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%。