FINESSE-Bench
PulseAugur coverage of FINESSE-Bench — every cluster mentioning FINESSE-Bench across labs, papers, and developer communities, ranked by signal.
-
FINESSE 模拟器和基准数据集发布，用于多模态金融事件序列
研究人员推出了 FINESSE，一个新颖的基于智能体的模拟框架，旨在为多模态金融事件序列生成合成的、结构化的数据集。该环境旨在解决现有金融服务研究数据集中存在的局限性，这些数据集通常关注点狭窄，未能捕捉金融行为的动态、多模态性质。除了模拟器，研究团队还发布了 FINESSE-Bench，这是一个支持余额预测、欺诈检测和下一事件预测等任务的基准数据集，并提供了基线结果以加速进一步的研究。
-
新方法在不修改权重的情况下增强LLM金融推理能力 · 跟踪2个来源
研究人员开发了新的方法来使大型语言模型（LLM）适应专门的金融推理任务。其中一种方法ASDA可以在不修改模型权重的情况下自动生成结构化的技能工件，从而在金融推理基准测试中取得显著改进。另一种方法侧重于数据中心化的训练后技术，包括挖掘、蒸馏和可验证学习，以增强金融推理能力，同时防止现有金融知识的丢失。这些技术旨在为LLM的领域特定应用提供更有效和可审计的适应方式。
-
新的俄罗斯金融基准揭示了大型语言模型的推理差距
研究人员推出了 RusFinChain，这是一个专为评估俄语金融领域可验证思维链推理而设计的新基准。该基准包含 17 个领域中超过 5000 个参数化示例，每个示例都附带一个黄金标准推理链，用于自动验证。对八个开源大语言模型的初步评估显示，其推理能力存在显著差距，模型在步骤对齐方面的 F1 分数约为 0.65，但最终问题的正确回答率仅为 29% 左右。该研究还提出了新的指标——模糊数值对齐和软注意力对齐，与现有的评估方法相比，这些指标…
-
新的基准测试和智能体RAG提升LLM金融分析能力
研究人员开发了FINESSE-Bench，这是一个新的基准套件，旨在层次化地评估大型语言模型的金融领域知识和技术分析能力。该套件包括受专业金融认证和交易任务启发的专业基准测试，旨在评估不同难度级别和计算能力下的性能。同时，另一项独立研究引入了FinAgent-RAG，这是一个智能体检索增强生成框架，它使用迭代检索-推理循环和自我验证来进行金融文档问答。FinAgent-RAG包含一个专门的检索器、一个用于精确计算的思维程序推理模块以及…