研究人员推出了 BigFinanceBench,这是一个旨在评估金融研究答案可审计推导的新基准。该基准包含 928 个专家撰写的任务,并附有详细的评分标准,用于评估整个工作流程,而不仅仅是最终输出。对十个领先 AI 代理的初步评估显示,表现最好的代理仅达到评分标准的 58.8%,表明在金融研究能力方面仍有很大的改进空间。 AI
影响 该基准将推动更透明、更可审计的金融研究 AI 代理的开发。
排序理由 该集群包含一篇介绍用于评估 AI 代理的新基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →