MM-FinEval：真实金融预测多任务多模态基准
原文标题：MM-FinEval: A Multi-Task Multimodal Benchmark for Real-World Financial Forecasting
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 MM-FinEval，一个评估多模态大语言模型金融任务能力的基准，覆盖 2019 至 2022 年 2045 场标普 500 财报电话会议，输入含文本转录、演示幻灯片与完整音频三种模态，输出 12 类金融任务标签。对 19 个基线模型的评测显示，处理三模态的小型 Any-to-Any 模型表现强劲，甚至优于仅用两模态的大型专有模型，说明文本、音频与视觉信号具有互补价值。
- 问题
- 缺乏评估多模态大模型真实金融分析能力的基准。
- 方法
- 构建MM-FinEval，覆盖2019-2022年2045场标普500财报电话会议，含文本、幻灯片、音频三模态与12类任务标签。
- 结果
- 评测19个基线，小型Any-to-Any三模态模型表现强劲，优于仅用两模态的大型专有模型。
- 影响
- 为金融多模态模型选型提供真实基准，说明音频与视觉信号不可替代。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MM-FinEval用2045场标普500财报电话会议评测多模态LLM，三模态小模型胜过两模态大模型。
- •基准覆盖2019至2022年共2045场标普500财报电话会议，输出12类金融任务标签
- •每条输入含三种模态：逐字文本转录、对应演示幻灯片、完整音频录音
- •评测19个基线模型，分Image-Text、Audio-Text、Any-to-Any三类配置
- •处理全部三模态的小型Any-to-Any模型表现强劲，甚至优于仅用两模态的大型专有模型
- •作者据此认为文本、音频与视觉信号提供互补且非冗余的信息
为什么重要：金融分析长期受限于单模态或单任务基准，该数据集首次把三模态与多任务结合，为评估多模态模型能否支撑真实财报分析提供统一标尺。
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。