Surge AI 发布税务 Agent 基准 DAYJOB: Tax
热点事件持续更新
Surge AI 发布税务 Agent 基准 DAYJOB: Tax
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Surge AI 发布 DAYJOB: Tax 基准，用 50 个环境、8 大税务领域的任务评估 AI 智能体的专业判断力。按 95% rubric 阈值统计 pass@1：一次尝试需满足任务至少 95% 的评分标准才算通过，标准涵盖计算、支撑证据、关键问题和交付成果。 在该标准下，Claude Sonnet 5.5 以 10.8% 的 pass@1 通过率居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。完整基准需联系 benchmarks@surgehq.ai 申请获取。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 23:46
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报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hacker NewsSurge 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
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。