Hacker News· landonxi·· 2 小时前AI 评分36
Surge AI 推出 DAYJOB: Tax 基准，评估 AI 智能体在 50 项专业税务任务上的表现
Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
AI 导读
Surge AI 发布 DAYJOB: Tax 基准，用 50 个环境、8 大税务领域任务评估 AI 智能体的专业判断力。Claude Sonnet 5.5 以 10.8% 的 pass@1 通过率（95% rubric 阈值）居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。
来源：Hacker News · surgehq.ai