MBABench-2.0 发布：AI 智能体构建财务表格通过率仅 16%
热点事件持续更新
MBABench-2.0 发布：AI 智能体构建财务表格通过率仅 16%
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Julian Poeltl 等作者发布 MBABench-2.0，这是一个包含 101 个原创电子表格构建任务的基准，用于评估 AI 智能体从零构建财务电子表格的能力。其中最难的任务估计需要一位有 3 年以上经验的建模师耗时 33 小时。 该基准用覆盖 12 类的 129 项标准评估可读性、可维护性等超出准确性的质量维度。作者对 8 个模型、4 种 harness 的 20 多个智能体进行测试，最佳智能体的通过率仅为 16%。
AI 根据报道生成 · 49 分钟前更新
最新进展10月26日 12:00
MBABench-2.0：评估 AI 智能体从零构建财务电子表格的能力报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIMBABench-2.0：评估 AI 智能体从零构建财务电子表格的能力
MBABench-2.0 是一个包含 101 个原创电子表格构建任务的基准，最难任务估计需 3 年以上经验建模师耗时 33 小时。该基准用覆盖 12 类的 129 项标准评估可读性、可维护性等超出准确性的质量维度，对 8 个模型、4 种 harness 的 20 多个智能体测试中，最佳智能体通过率仅 16%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。