跳到正文
arXiv · NLP· Drew Hahn, Tyler Shibata, Jackson Grove, Rahul Sonwalkar·· 10 天前AI 评分47

DeepFinance 基准测试:AI 能否胜任 1 亿美元交易尽调?

DeepFinance: Can AI Diligence a $100MM Deal?

AI 导读

新基准 DeepFinance 发布,包含 21 项耗时平均 27.1 小时的 PE 和 IB 尽调任务。最佳配置 GPT-6 Astra 仅满足 57.6% 的评分标准,且顶级模型常因输入错误或忽视证据而失败。

来源:arXiv · NLP · arxiv.org