新基准 Investor's Last Exam 评测 AI 智能体选股能力
原文标题：Investor's Last Exam: Can AI Agents Do Equity Investment Without Seeing the Future?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者推出股票研究基准 Investor's Last Exam（ILE），由买方投资经理主导设计，包含 343 万份文档版本的时间冻结数据库、面向分析师交付物的任务分类及专家评分框架。GPT-6 Astra 与 Claude Opus 5.5 以 68.1 和 66.9 分领先，但 Astra 在预测与建模子项仅得 52.5 分，显示顶尖模型仍难将研究能力转化为预测表现。
- 问题
- 现有金融基准无法端到端评估智能体从证据到预测的完整研究过程。
- 方法
- 构建时间冻结的版本化金融数据库、分析师交付物任务分类和专家评分框架，联合评估研究质量、预测准确率与模拟投资表现。
- 结果
- GPT-6 Astra 与 Claude Opus 5.5 总分 68.1 和 66.9，Astra 在预测与建模子项仅 52.5。
- 影响
- 金融智能体的瓶颈在预测转化而非检索研究，选型时应单独考察建模子项而非只看总分。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新基准ILE用343万份文档版本冻结库评测选股，GPT-6 Astra与Claude Opus 5.5以68.1/66.9领先，但Astra预测建模仅52.5
- •由买方投资经理主导设计，含343万份文档版本、九类来源的时间冻结数据库，时间戳控制检索与计算
- •任务按专业分析师交付物分类，评分框架用金融依赖图关联来源、计算与假设
- •评估覆盖86项作业，同时考察研究质量、预测准确性与模拟投资表现
- •GPT-6 Astra与Claude Opus 5.5总分68.1和66.9居首，但Astra在Forecast & Model子项仅52.5
- •结论：顶尖模型仍难把整体研究能力转化为预测表现
为什么重要：把评测单元从孤立能力转向「证据—假设—判断」链条，为金融智能体指出研究强、预测弱的短板所在。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。