Veris

新的TreasuryQA Bench测试AI代理处理扫描财务记录的能力

研究人员推出了TreasuryQA Bench，这是一个旨在评估AI代理处理扫描财务文档能力的新基准。与之前的基准不同，TreasuryQA要求代理通过模型上下文协议服务器搜索扫描的PDF文件，并使用OCR提取特定数据，模拟真实的档案工作。初步测试显示，代理之间的性能差异显著，Claude Opus 5.5的准确率最高，达到64.8%，而GPT-5.6 Terra的得分为16.7%。该基准还突显了扫描质量对代理性能的影响，所有测试的代…