LLM4Finance

新基准显示，AI代理在股权研究方面表现出色，但在预测方面却失败了

一个名为“投资者的最后考试”（ILE）的新基准已被开发出来，用于评估AI代理端到端股权研究和投资判断的能力。该基准使用严格冻结的信息集和专业评估标准，揭示了像GPT-6 Astra和Claude Opus 5.5这样的顶级模型在研究任务上表现出色，但在预测和做出投资决策方面却面临困难。ILE旨在将评估从孤立的能力转移到整个证据-假设-判断链，为金融AI代理的训练和评估提供诊断基础。