DFAH-Bench：金融智能体评估中一致性指标未覆盖的维度

DFAH-Bench通过重放实验和银行任务测试，揭示金融智能体决策一致性无法建立可靠性。在570个重放片段中，决策一致率为94-95%，但工具路径一致率仅为45-52%。评估需结合具体执行动作、证据规则及任务完成度，以识别系统性遗漏。