买方主导发布金融投资 Agent 评估基准 ILE
先了解这件事
2026年10月31日，arXiv cs.AI 发布了由买方投资者主导的新基准 Investor's Last Exam (ILE)。该基准旨在评估 AI Agent 在不接触未来信息前提下的股票研究全流程，包含跨越 343 万文档的版本化数据库、专业分析师任务分类体系及专家评分框架。测试覆盖 86 项任务，联合评估研究质量、预测准确性和模拟投资表现。结果显示，GPT-6 Astra 和 Claude Opu 等模型无法将研究能力转化为预测表现。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv cs.AI新基准 Investor's Last Exam 显示 GPT-6 Astra 等模型无法将研究能力转化为预测表现
arXiv 发布的 Investor's Last Exam (ILE) 基准由买方投资者主导，旨在评估 AI Agent 在不接触未来信息的前提下进行股票研究的完整流程。该基准包含跨越 343 万文档版本的版本化金融数据库、围绕专业分析师交付物构建的任务分类体系，以及通过财务依赖图链接评分标准与假设的专家框架。测试覆盖 86 项任务，联合评估研究质量、预测准确性和模拟投资表现。结果显示，GPT-6 Astra 和 Claude Opus 5.5 以 68.1 分和 66.9 分领先整体排名，但 Astra 在“预测与建模”细分项仅得 52.5 分。 核心证据在于模型表现的结构化差异：尽管顶尖模型能完成基础研究与数据检索，却难以将分析优势转化为准确的预测结果和投资判断。ILE 通过将评估单位从孤立的能力点转向“证据—假设—判断”链条，揭示了当前 SOTA 模型在因果推理和决策闭环中的具体失效环节。这种诊断性设计允许研究者定位分析优势为何无法迁移至最终的投资产出。 事实层面，该基准验证了现有大模型在纯金融预测任务上的局限性；推断层面，这意味着直接部署 Agent 进行实盘投资仍面临巨大的可靠性鸿沟，需针对决策链路的特定断点进行专项训练；猜测层面，若行业继续忽视这种“研究强、预测弱”的结构性缺陷，盲目追求通用智能体在金融领域的规模化应用，可能导致严重的资本配置风险。
本事件热度走势
当前热度 9·可比范围峰值 10（10月31日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。