安定報道日時 2026-10-02 12:00
DAYJOB：長期的なプロフェッショナルな仕事のためのベンチマーク
DAYJOBは、医療および金融分野における複雑でオープンエンドなリクエストを評価するために、各タスクが13〜16時間のプロフェッショナルな作業を必要とする130の新しいベンチマークを導入しました。
01
根拠
- AarXiv cs.AI一次情報2026-10-02 12:00
The tasks are estimated to take a professional 13.6 hours on average in healthcare and 16.6 in finance.
- AarXiv cs.AI一次情報2026-10-02 12:00
We release all healthcare tasks, 50 of the 80 finance tasks, the evaluation harness, and the leaderboard.
- AarXiv cs.AI一次情報2026-10-02 12:00
We introduce DAYJOB, a benchmark of 130 tasks built by professionals in healthcare (50) and finance (80).
- AarXiv cs.AI一次情報2026-10-02 12:00
a benchmark of 130 tasks built by professionals in healthcare (50) and finance (80)