Dayjob：Tax——在 50 项专业税务任务上评估 AI 智能体
Surge AI 发布了 DAYJOB：Tax 基准测试，在 8 个业务领域的 50 项专业税务任务上评估 AI 智能体，涵盖个人与企业税务直至遗产与争议。智能体必须基于杂乱的真实记录开展工作——工作区文件共 1789 份，并按严格的 95% 评分标准打分；领先的 Claude Sonnet 5.5 通过率也仅为 10.8%。它的意义在于，即便是前沿模型，在端到端的专业判断上仍会失败，而不只是单项计算出错。
报道来源
- Hacker News (AI)2026-10-28 15:46