FinED-Bench

新基准显示大型语言模型在金融文件错误检测方面存在困难

一项名为 FinED-Bench 的新基准测试已被推出，用于评估大型语言模型 (LLM) 在金融文件错误检测方面的能力。该基准测试包含 2025 年的 900 多份真实金融文件，涵盖九种场景和三个认知复杂性级别。使用 GPT-4o 和 Qwen3-14B 等模型进行的初步评估表明，当前的大型语言模型在此任务上面临挑战，尤其是在更复杂的情况下，尽管监督微调显示出提高性能的潜力。