arXiv · AI· Julian Poeltl, Thomson Yen, Patrick Shea, Shubham Anil Varma, Dhruv Rastogi, Zihao Chen, Mengshi Zhang, Hongseok Namkoong·· 4 小时前AI 评分36
MBABench-2.0：评估 AI 智能体构建金融电子表格的能力
MBABench-2.0: Evaluating AI Agents on Constructing Financial Spreadsheets Beyond Simple Verifiability
AI 导读
summary_zh: MBABench-2.0 包含 101 项任务，最高难度耗时 33 小时，评测 20 个智能体在 8 个模型上的表现。 引入 129 项跨 12 类标准，超越单纯准确性，聚焦可读性、可维护性与可审计性。
来源：arXiv · AI · arxiv.org