PulseAugur
中
实时 07:30:20

新的APEX-Accounting基准测试AI模型在实际会计任务中的表现

作者 PulseAugur 编辑部 · [1 个来源] ·

Mercor和Ramp推出了一项名为APEX-Accounting的新基准测试，用于评估前沿AI模型在执行会计任务方面的能力。该基准测试包括账户对账、费用权责发生制和报告生成等任务，并包含一个由160个专家编写的任务组成的私有评估集。Claude Fable-5在该基准测试中得分最高，其次是Muse Spark 1.1，而其他模型则表现有限。研究还观察到了与token预算分配相关的辛普森悖论效应。 AI

影响 该基准测试可能会推动AI朝着在金融和会计领域完成更专业、更实际任务的方向发展。

排序理由 该集群描述了一个新的基准测试和研究论文，详细介绍了AI模型在会计任务中的表现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的APEX-Accounting基准测试AI模型在实际会计任务中的表现

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Julien Benchek, Austin Bennett, Jasmin Kern, Ryan Stevens, Rene Sultan, Charis Ching, Hayley Popiel, Vaibhav Mittal, Felix Mercier, Brendan Foody, Bertie Vidgen ·

    APEX-会计

    arXiv:2607.27189v1 Announce Type: new Abstract: We introduce APEX-Accounting, a benchmark built by Mercor in partnership with Ramp, to assess whether frontier models can do the real work of accountants. Tasks include reconciling accounts, accruing expenses, posting transactions, …

相关实体

相关话题