实体 BigFinanceBench

BigFinanceBench

PulseAugur coverage of BigFinanceBench — every cluster mentioning BigFinanceBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_68148 · Jun 2 · 16:12

新基准评估 AI 代理在可审计的金融研究方面的表现

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。