FinCUABuildBench

新基准使AI代理能够构建金融CUA评估任务

研究人员推出了FinCUABuildBench，这是一个旨在评估AI代理自主构建动态金融场景评估任务能力的新基准。该基准通过包含24个金融工作流中的576个构建请求并提供标准化规范，解决了场景覆盖、公平比较和质量评估方面的挑战。一种新颖的多代理系统FinCUABuildAgent，其合格率显著高于现有方法（达到31.3%），表明其在创建具有实际评估价值的金融计算机使用代理（CUA）任务方面的有效性。