一项测试称模型完成20项规则任务全对，12名会计师得分为0%至约90%。
推荐理由：若测试设计可靠，20项全对且数分钟完成表明规则密集型专业工作的执行成本正骤降；但样本仅12人，仍需核查题目与评分方法。
阅读原文