税务难题实测：多个 LLM 答案不一，最佳模型准确率不足 50%

ziv_ravid · x · 2026-11-01

作者因需处理税务问题，把同一问题交给多个 LLM，结果得到几份彼此不一致的答案。检索后发现存在专门的 Tax Agent Bench 基准，即便是表现最好的模型（Fable 5.1）正确率也不到 50%。这说明当前 LLM 在专业税务规划任务上仍远不可靠，实际使用需人工核验。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →