热点事件持续更新

TreasuryQA Bench 发布扫描财务档案问答基准

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Ritiz Tambi 等作者发布 TreasuryQA Bench，要求 AI 智能体在 1,435 份扫描版美国财政部出版物中检索文件，并回答 70 道需要给出精确数字的题目。测试中表现最好的 Claude Opus 5.5（Claude Code）解决 64.8% 的尝试，最差的 GPT-5.6 Terra（Codex）仅 16.7%，基准远未饱和。扫描质量越差，各智能体成功率越低；多数失败是读错数字，而非拒答。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00

TreasuryQA Bench：AI 智能体能否处理扫描版财务档案？

报道时间线

沿着报道，了解事件的不同侧面。

10月31日

12:00
arXiv cs.AI
TreasuryQA Bench：AI 智能体能否处理扫描版财务档案？
TreasuryQA Bench 要求 AI 智能体在 1,435 份扫描版美国财政部出版物中检索并读取文件，回答 70 道需给出精确数字的题目。表现最好的 Claude Opus 5.5（Claude Code）解决 64.8% 的尝试，最差的 GPT-5.6 Terra（Codex）仅 16.7%，基准远未饱和。扫描质量越差各智能体成功率越低，多数失败是读错数字而非拒答。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月31日 22:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。