跳到正文
arXiv · AI· Jermyn Zhen Yong Bek, Zhuang Qiang Bok, Zhongtian Sun·· 2026-10-05AI 评分31

FinSkillBench:金融智能体技能溢价的分解与评估

Knowledge or Calculator? Decomposing the Skill Premium in Verifiable Financial Agent Workflows

AI 导读

研究引入 FinSkillBench 评估套件,通过 2,603 个时间点和 12 类子任务验证金融智能体的量化执行能力。 跨 9 个模型的配对分析显示,精选技能包将平均得分提升 16.2 点,显著优于单集生成的 0.5 点增益。 进一步分解发现,可执行工具单独贡献 19.5 点,文档单独贡献 5.6 点,且两者结合呈现次加性,表明技能溢价取决于模型、资源及系统整体。

来源:arXiv · AI · arxiv.org