★ 3
DeepFinance 基准发布：GPT-6 Astra 仅满足 57.6% 评分标准
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…
arXiv NLP5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…