Hacker News AIT2·72 分
Surge 发布 Dayjob: Tax 基准 评估 AI 代理专业税务能力
原标题：Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
- Dayjob: Tax 包含 50 个基于真实案例的专业税务任务，用于量化评估 AI 代理的业务处理能力。
- 测试显示主流模型在识别隐性合规约束（如房产出售的居住期限截止日）上表现不一，部分模型多次遗漏关键风险点。
- 该基准强调 AI 在专业领域不仅需要生成正确答案，更需具备严谨的逻辑完整性与边界条件意识。