MBABench-2.0表格构建基准发布

2026年10月26日，arXiv Artificial Intelligence 刊出 Julian Poeltl 等作者的 MBABench-2.0 基准，用于评估 AI 智能体从零构建财务电子表格的能力。该基准包含 101 个原创电子表格构建任务，其中最难任务估计需有 3 年以上经验的建模师耗时 33 小时完成。评估维度上，基准采用覆盖 12 类的 129 项标准，考察可读性、可维护性等超出准确性的质量维度。作者在 8 个模型、4 种 harness 配置的 20 多个智能体上测试，最佳通过率仅 16%。目前事件进展停留在基准发布与首轮评测结果公布阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。