FinResearchBench II: A Deep Research Benchmark with Consensus-Derived Gold Rubrics for Distinguishing Financial Report Quality
金融研究基准II:一个具有共识衍生黄金标准的深度研究基准,用于区分财务报告质量
发表机构 * StepFun(步趣) ; FinStep(鳍步) ; University of Adelaide(阿德莱德大学) ; Shanghai Jiao Tong University(上海交通大学)
AI总结 该研究针对深度研究代理生成财务报告的大规模评估瓶颈,提出可扩展管道生成高质量标准。通过构建基准、合成候选标准、比较大语言模型与人类评估,经两个过滤器得出黄金标准集,用于评估10个深度研究系统,实现可扩展的基准评估等研究。