Julius Research发布DeepFinance金融基准

Julius Research 发布 DeepFinance，一个面向私募股权与投行真实工作流的长周期基准，并附模型排行榜。该基准称，其任务模拟人类专业人员需 20 至 30 小时完成的交易尽调类工作；21 个任务平均需人类 27.1 小时，每个任务平均有 84 条评分标准，数据室平均含 19 个文件。 测试设置上，Julius Research 称每个 harness 几乎启用全部原生工具（含网页搜索），仅关闭 ask-user 工具，以便每次运行自行结束；出错的尝试会重跑，因此每种配置按每个任务 10 次成功尝试计分。这些是基准设计方公布的条件，尚不代表模型已能独立完成此类交易尽调。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。