主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
NumTrace 基准：审计金融分析师智能体的数字来源
arXiv 论文 NumTrace 针对金融分析师智能体生成的数字论断，审计其来源与财务语义。该基准包含 540 道题目，覆盖 2,163 份 SEC EDGAR 文件，首次覆盖 Form 13F 持股和 Item 402(i) 高管薪酬数据。基准对每个论断给出 value、binding、support 三项独立判定，用来识别“数字对但归属错”（RNWA）错误。审计 Claude Opus 5.5、GPT-6 Astra 和 DeepSeek-V4.1-Flash 三个智能体后发现，RNWA 错误占各自失败论断的 67.5%-81.8%，在 13F 联合申报组问题上约 91% 的论断通过数值检查，但通过 binding 检查的不足一半。
当前结论
论文测了三个主流模型在 SEC 文件上算数字的表现，发现数字本身往往算对，但挂错了公司或科目，这个问题之前没人单独量化过。
11 个信源31° AI 热度最后更新 2026/10/26 05:58:10
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。