MBABench-2.0：AI从零构建财务表格基准发布

研究者 Julian Poeltl 等人发布 MBABench-2.0，用 101 个从零构建表格的任务评测 AI 智能体，其中最难任务估计需 3 年以上经验的建模者耗时 33 小时。 该基准以覆盖 12 类的 129 条标准衡量可读性、可维护性和可审计性等质量维度。在 8 个模型、4 种 harness 的 20 多个智能体上评测，表现最好的智能体通过率仅 16%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。