研究人员推出FINCOSMOS,一个旨在评估AI智能体在开放世界金融任务中表现的新型评估框架。与限制环境的现有基准测试不同,FINCOSMOS模拟了一个具有隐藏策略的用户,要求智能体独立从网络收集数据、进行时间感知回测并提供可验证的结果。对四个编码智能体和一个不使用工具的模型进行的初步测试显示,失败率很高,人类专家将88.33%的失败归因于智能体本身,凸显了在实际金融应用中的挑战。 AI
影响 凸显了AI智能体在金融等复杂实际任务中的可靠性方面存在的关键差距,需要更强大的评估方法。
排序理由 该项目是一篇研究论文,介绍了一种新的AI智能体评估范式。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- FINCOSMOS
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →