**Dayjob: Tax 评测 AI 代理在 50 个真实税务场景中的表现**

_Dayjob: Tax – evaluating AI agents on 50 professional tax assignments_

> Dayjob: Tax 基准测试通过 50 个复杂的税务环境，评估 AI 代理处理混乱记录、行使专业判断及交付可靠税务工作的能力。测试发现，虽然部分模型能正确计算税款，但往往忽略关键截止日期等后果性问题。目前 Claude Sonnet 5.5 以 10.8% 的通过率领先，该测试涵盖个人、小企业等八个税务领域，强调了对不完整信息的调查与决策能力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-28 23:46（北京时间）
- **原文**：[打开原文](https://surgehq.ai/blog/dayjob-tax)