行业与实践 · 标签「财务」

研究与基准测试/2026-10-31/18 分钟

TreasuryQA Bench：智能体能不能处理一份扫描财务档案

70 道题要求智能体在 Dropbox 里自己找到财政部扫描卷，再读出页上的一个数字。最好的智能体解出 64.8% 的尝试，最常见的失败是把淡数字读错一位。