Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
Surge AI 推出 DAYJOB: Tax，涵盖八类税务业务的 50 个任务环境，评测 AI 智能体完成专业税务工作的能力。以满足至少 95% 任务标准为通过条件，Claude Sonnet 5.5 的 pass@1 为 10.8%，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。
Surge AI 推出 DAYJOB: Tax，涵盖八类税务业务的 50 个任务环境，评测 AI 智能体完成专业税务工作的能力。以满足至少 95% 任务标准为通过条件，Claude Sonnet 5.5 的 pass@1 为 10.8%，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。