LiveSearch 用可执行代码让金融基准答案随市场每日更新。
资讯摘要
论文提出 LiveSearch，一个面向金融搜索智能体的实时基准。它把每道题存为可执行验证代码，即对专业金融数据服务的类型化调用程序加声明式抽取器；题目固定，标准答案在评测时执行程序得出，并由每日任务自动重跑，无需人工或语言模型介入。作者报告，在通用网页搜索下，六个当代工具调用模型准确率为 70.9% 至 76.7%；连续三天中 70% 的题目标准答案发生变化。
要点速读
- 题目以可执行验证代码形式存储，标准答案在评测时对专业金融数据执行程序得出，每日自动重跑。
- 作者报告六个当代工具调用模型在通用网页搜索下准确率为 70.9% 至 76.7%。
- 连续三天中 70% 的题目标准答案发生变化；即使容忍匹配，复用旧快照在一天内多数题目上失败。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。