各方报道 2 篇
arXiv NLP·11-10 13:00★ 3
DeepFinance 基准发布：GPT-6 Astra 仅满足 57.6% 评分标准
原文 研究者推出 DeepFinance，一个包含 21 项私募股权与投行端到端任务、平均耗时 27.1 小时的长周期基准，每题配约 19 个文件的数据室与 84 条专家评分标准。22 种模型配置中，GPT-6 Astra 最高推理档仅满足 57.6% 标准，前四名无统计差异，前沿模型常出现输入错误却计算正确、找到关键证据却不采取行动的问题。
Hacker News – AI·11-07 06:44★ 2
Julius Research 推出 DeepFinance，测试 AI 能否尽调 1 亿美元交易
原文 Julius Research 发布 DeepFinance，用一笔 1 亿美元规模的交易作为测试场景，检验 AI 能否完成尽职调查工作。该实验探讨 AI 在高价值金融尽调中的能力边界。