实体 Dayjob: Tax

Dayjob: Tax

PulseAugur coverage of Dayjob: Tax — every cluster mentioning Dayjob: Tax across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_328403 · Oct 28 · 15:46

AI 代理在专业税务任务上接受评估；Claude Sonnet 领先

Surge AI 发布了 DAYJOB: Tax，这是一个旨在评估 AI 代理在专业税务任务上表现的新基准。该基准包含税务实践八个领域中的 50 个环境，测试代理处理复杂客户请求、支持记录和做出专业判断的能力。在初步测试中，Claude Sonnet 5.5 的通过率最高，达到 10.8%，其次是 Claude Fable 5.1 和 Claude Opus 5.5，性能表现与成本相关。