We evaluate 452 tasks from the public APEX-Agents dataset spanning investment banking, management consulting, and corporate law
452 个任务跨越投资银行、管理咨询、公司法三个领域——这三个领域是全球「知识密集型工作」的代表，也是最难被 AI 替代的白领职业。APEX-Agents 选择这三个领域作为 benchmark，本身就是一个宣言：AI 已经准备好挑战那些曾经被认为「最安全」的专业工作。而最高分只有 33.3% 这个事实同样是一个宣言：这个挑战才刚刚开始。