理应资讯
财务智能化

Surge AI 发布 DAYJOB: Tax:最佳智能体仅通过 10.8% 真实税务任务

理应编辑室 ·

Surge AI 发布面向真实税务实务的 DAYJOB: Tax 基准,含 50 个专业任务与海量工作区文件;评测显示当前最佳 AI 智能体 pass@1 仅约 10.8%,凸显财务自动化仍高度依赖人工复核。

财务智能化常被演示成“上传票据就能出申报”。Surge AI 的 DAYJOB: Tax 把尺子换成了更接近事务所作业的文件夹。

据 @AndrewSignalZ 转述(约 2026-10-29),Surge AI 发布 DAYJOB: Tax 基准:包含 50 个贴近真实业务的专业税务任务,覆盖八个税务实践领域;任务材料来自含 1789 个工作区文件(PDF、Excel 工作簿、手写收据等)的客户文件夹。评测采用 pass@1,并强调严格条件。结果显示,当前最佳 AI 智能体仅通过约 10.8% 的真实税务任务。

对财务自动化买家,这个数字更像风险提示而不是泼冷水:发票识别、对账脚本与报表生成可以提效,但跨表格证据链、例外处理与法规细则仍容易让智能体在 pass@1 上崩盘。产品选型时应要求供应商在自有样本外提供可复核的任务级通过率,而不是只看营销案例。

原帖在转述处有截断,未完整列出八个领域名称、模型榜单与是否允许工具调用/检索。引用该基准时请回看 Surge AI 原文方法学。本稿整理事实性评测信息,不作投资或报税操作建议。

# Surge AI# 税务# 基准测试# 财务智能化# 智能体评测