实体
TaxCalcBench
TaxCalcBench
PulseAugur coverage of TaxCalcBench — every cluster mentioning TaxCalcBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
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 2 条
-
开源税务引擎在 TaxCalcBench 上创下新纪录
一个开源税务引擎在 TaxCalcBench 基准测试中取得了 96% 的创纪录分数，性能超越了 GPT Sol 和 An Ape and a Fox 等模型。该引擎利用 Claude Sonnet 5，在税务计算方面表现出色，其开发者指出，少数未命中之处是由于基准测试本身存在不一致性。这个确定性引擎旨在通过为 AI 模型提供可靠的计算工具，减少税务研究和准备中的猜测和错误。
-
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。