新基准显示前沿模型金融预测联合成功率最高约 31.5%。
资讯摘要
论文提出 Hedge-Bench，一个由对冲基金分析师推理轨迹与后续已揭晓预测问题构成的 92 个真实环境基准，智能体基于冻结信息快照做预测并按真实结果评估。11 个前沿模型各环境三次试验中，要求预测正确且研究覆盖率超 60% 的联合成功率在 2.54% 至 31.52% 之间。作者用 GRPO 与轮级信用分配在 165 个环境训练 Muse-Glimmer，22 个留出环境覆盖率在低推理强度下从 17.17% 升至 33.36%，超高强度下从 30.19% 升至 47.02%。
要点速读
- Hedge-Bench 含 92 个源自对冲基金分析师推理轨迹的真实环境，预测问题后续已揭晓。
- 11 个前沿模型联合成功率区间为 2.54%–31.52%，需同时满足预测正确与研究覆盖率超 60%。
- 作者报告训练后 Muse-Glimmer 低强度覆盖率 33.36%，超过基座超高强度水平且少用 47.9% token。
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。