TreasuryQA Bench发布：扫描版财报Agent基准，最高成功率64.8%
热点事件持续更新
TreasuryQA Bench发布：扫描版财报Agent基准，最高成功率64.8%
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
arXiv论文作者发布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用OCR读取页面，回答70道需给出精确数字的问题，并公布了十款智能体的评测结果。作者称该基准远未饱和。 十款智能体中，Claude Opus 5.5在Claude Code下成功率最高，达64.8%；GPT-5.6 Terra在Codex下最低，为16.7%。扫描越模糊各智能体成功率越低，失败主因多为扫描中数字被误读。
AI 根据报道生成 · 1 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政档案？报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AITreasuryQA Bench：AI 智能体能否处理扫描版财政档案？
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文件并用 OCR 读取页面，回答 70 道需给出精确数字的问题。十款智能体中，Claude Opus 5.5 在 Claude Code 下成功率最高，达 64.8%；GPT-5.6 Terra 在 Codex 下最低，为 16.7%。扫描越模糊各智能体成功率越低，失败主因多为扫描中数字被误读。
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。