实体
FINESSE-Bench
FINESSE-Bench
PulseAugur coverage of FINESSE-Bench — every cluster mentioning FINESSE-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
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…