Surge AI 发布 DAYJOB: Tax 基准，用真实税务案例考 AI agent 判断力

Surge AI 推出 DAYJOB 系列新基准 DAYJOB: Tax，用带陷阱的真实税务案例评测 AI agent 在税务准备、合规与咨询场景中的判断力。创始人 Edwin Chen 指出，现有基准过于「干净」，只测模型在问题已明确时的求解能力，而真实工作中一半难点在于弄清问题本身。测试结果显示，Opus 五次全部命中税务死线，Astra 则全部漏报。