FinalityBench

新基准测试代理在数据冲突下的金融决策

研究人员推出了 FinalityBench，这是一个旨在评估代理在复杂金融场景下决策能力的新基准。该基准模拟了金融数据可能延迟、重复或重新排序的真实世界条件，导致交易信息冲突。FinalityBench 根据代理的经济影响对其进行评估，并将其决策与了解交易何时最终确定的参考点进行比较。初步测试表明，代理可以达到很高的准确性，语言模型的表现与手工编写的策略相似，但经济损失更大。