前沿大语言模型在税务计算上失败；专家建议使用确定性引擎

一项名为TaxCalcBench的新基准测试显示，即使是前沿的大语言模型（LLMs）在税务计算方面也存在困难，表现最好的Gemini 2.5 Pro也只能正确处理32%的报税单。研究表明，由于其概率性和不一致的输出，LLMs不应成为税务、折扣或定价等财务决策的最终权威。因此，推荐的方法是分工合作：LLMs将自然语言规则转化为形式化规范，然后由确定性引擎执行，以确保准确性和可审计性。 AI

影响 强调了当前LLM在关键财务决策方面的局限性，并提出了一种混合方法以提高准确性和可审计性。

排序理由 该集群讨论了一个评估LLM在特定任务上表现的新基准测试，这属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• Claude Opus 4
• Gemini 2.5 Pro
• Sonnet 4
• TaxCalcBench

• 模型发布
• 产品
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →