论文页面 - 投资者的终极考试：AI 智能体能否在不预知未来的情况下做股票投资？

来源：https://huggingface.co/papers/2610.38342

摘要

Investor’s Last Exam 以冻结的证据、专家标准和依赖图来评估金融智能体端到端的股票研究能力，结果揭示出：顶级模型擅长研究，却在预测与投资判断上表现不佳。

金融智能体必须在决策时点可用的证据基础上形成预测和投资判断，而预测结果则依据其后发生的真实结果来评分。现有基准分别考察金融知识、研究流程或预测能力，但要评估完整的研究过程，就需要严格冻结的信息集和专业的评估标准。我们提出 Investor’s Last Exam（ILE），这是一个由资深买方投资者和基金经理牵头的股票研究基准。它包含三个组成部分：一个带版本管理的金融数据库（https://huggingface.co/papers?q=versioned%20financial%20database），涵盖 343 万份文档版本和九大来源类别，并辅以结构化市场数据，由经验证的时间戳统一约束检索与计算；一套围绕专业分析师交付物组织的任务分类体系；以及一个由专家主导的框架，通过金融依赖图（https://huggingface.co/papers?q=financial%20dependency%20graphs）将评分标准与来源、计算和假设关联起来。评测覆盖 86 项任务，综合考察研究质量、预测准确度（https://huggingface.co/papers?q=forecast%20accuracy）和模拟投资表现（https://huggingface.co/papers?q=simulated%20investment%20performance）。GPT-6 Astra 和 Claude Opus 5.5 以 68.1 和 66.9（满分 100）位居总榜前列，但即便是 Astra，在“预测与建模“维度上也仅得 52.5 分。我们的结果表明，即便是最先进的模型，也无法将整体研究能力转化为预测表现。ILE 将评测单元从孤立的能力转向“证据—假设—判断“链条，使研究者能够定位分析优势在何处未能转化为预测与投资判断，并为金融智能体的训练与评估提供了可追溯、可诊断的基础。

查看 arXiv 页面 (https://arxiv.org/abs/2610.38342) 查看 PDF (https://arxiv.org/pdf/2610.38342) 项目页面 (https://prophet-lab.cn/benchmarks/investor-last-exam-v1/) GitHub (https://github.com/Prophetlab/Investor-Last-Exam) 加入收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2610.38342)

在你的智能体中获取这篇论文：

hf papers read 2610\.38342

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型 0

没有模型关联本文 在模型的 README.md 中引用 arxiv.org/abs/2610.38342，即可从本页面链接到该模型。

引用本文的数据集 0

没有数据集关联本文 在数据集的 README.md 中引用 arxiv.org/abs/2610.38342，即可从本页面链接到该数据集。

引用本文的 Space 0

没有 Space 关联本文 在 Space 的 README.md 中引用 arxiv.org/abs/2610.38342，即可从本页面链接到该 Space。

收录本文的合集 0

没有合集收录本文 将本文加入合集 (https://huggingface.co/new-collection)即可从本页面链接到该合集。