Surge AI 详解 DAYJOB: Tax 基准:用带坑的真实税务案例考 agent 判断力
echen · x · 2026-10-28
Surge AI 发布博客详细介绍 DAYJOB: Tax 基准,评测 AI agent 在真实税务准备、合规与咨询工作中的表现,属于 DAYJOB 系列继 Healthcare、Finance 之后的第三弹。
核心案例:Anna 计划卖房,询问 2026 年 10 月还是 2027 年 1 月交割更省税。agent 正确判断两个日期都满足居住要求、可享受最高 25 万美元资本利得免税,但漏掉关键死线——由于她 2024 年 8 月已搬出,五年内居住满两年(24 个月窗口)的资格将在 2027 年 8 月底失效,拖过期限就失去免税。结果:Opus 5 次全指出该死线,Astra 5 次全漏。
基准强调的正是「客户没问也要主动提示后果性风险」的专业判断,配套提供新的前沿数据和 RL 环境,可开箱即用。
所属事件:Surge AI 发布 DAYJOB: Tax 基准，考察代理真实税务能力(3 条相关)→
「研究」频道最新
- 七大千禧年数学难题全部有进展，多个证明由 AI 实验室推动 — haider1 · 2026-10-28
- TAMP 数据微调 VLA 并非易事，DataFarm 推出 JAX/PyRoki 移植版 — tomssilver · 2026-10-28
- CMU L3 Lab 启动 CUA Week,将连发多项实时智能体研究 — wellecks · 2026-10-28
- 「数学硅藻」：一条复数公式生成满页硅藻般的分形图 — pickover · 2026-10-28
- 32.5 万次实验：个人 AI agent 会按推断财富给富人推更贵选项 — niloofar_mire · 2026-10-28
- Marc Schmidt:Agent Skills 的终极形态不是 Markdown,而是改写神经元 — MarcJSchmidt · 2026-10-28