FINCOSMOS 发布金融智能体开放世界评测，150 场会话无一通过
原文标题：FINCOSMOS: An Open-World Evaluation Paradigm for Agents in Finance
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。
论文提出 FINCOSMOS，面向金融场景的开放世界智能体评测范式：模拟用户隐藏策略，智能体需自行从网络取数、在数据截止点前回测并交付可验证结果。在 150 场会话中四个编码智能体无一被接受，专家将 88.33% 的失败归因于智能体本身。加入反馈后，具备持久记忆的智能体学会了全部十项任务。
- 问题
- 现有金融智能体评测固定任务、数据或时间线，掩盖了静默失败。
- 方法
- 提出 FINCOSMOS 开放世界评测：模拟用户隐藏策略，智能体自行取数、按数据截止点回测并交付可验证结果。
- 结果
- 150 场会话中四个编码智能体无一被接受，专家将 88.33% 失败归因于智能体；加反馈后具备持久记忆的智能体学会全部十项任务。
- 影响
- 金融智能体的可信度需在开放世界里测，当前能力远不足以交付可验证结果。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FINCOSMOS 开放世界金融评测中，四个编码智能体 150 场会话全部未通过，88.33% 失败归因于智能体自身。
- •评测模拟隐藏策略的用户，智能体需自行从网络取数、在数据截止点前回测并交付可验证结果
- •150 场会话中四个编码智能体加一个无工具模型无一被接受，用户签字通过的会话均未通过程序检查
- •智能体只主动问出 54%–64% 未被告知的细节，专家将 88.33% 失败归因于智能体本身
- •加入反馈后，具备持久记忆的智能体学会了全部十项任务
为什么重要：现有基准通过固定任务、数据或时间线回避了静默失败，这条把「看似可信的错误报告」纳入测量，对做金融智能体落地的团队是直接的风险提示。
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。