FINCOSMOS

FINCOSMOS：新的开放世界基准测试金融领域AI智能体

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。