实体 BizFinBench.v2

BizFinBench.v2

PulseAugur coverage of BizFinBench.v2 — every cluster mentioning BizFinBench.v2 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

TOOL · CL_141475 · Jul 14 · 04:00

新的金融大语言模型基准 BizFinBench.v2 揭示 GPT-5 的局限性

一个新的基准 BizFinBench.v2 被开发出来，用于评估金融应用中的大语言模型 (LLM)，使用了来自中国和美国股市的真实用户查询-响应数据。该基准包含 28,860 个问题，涵盖八项离线任务和两项在线任务。初步实验表明，GPT-5 的准确率仅为 61.5%，未能达到 84.8% 的实际业务要求。在商业模型中，DeepSeek-R1 展现了更高的投资效能，而错误分析则突出了当前大语言模型存在的持续性局限。