DeepFinance 基准：AI 能否尽调一亿美元级交易？
arXiv 上这个新基准把 21 项真实 PE/投行任务交给 22 个模型跑，GPT-6 Astra 也只满足 57.6% 的评分标准。想看 AI 在尽调这种长链路、要审计的高风险工作里到底几斤几两的，值得把论文里的失败案例翻一遍。
arXiv 上这个新基准把 21 项真实 PE/投行任务交给 22 个模型跑，GPT-6 Astra 也只满足 57.6% 的评分标准。想看 AI 在尽调这种长链路、要审计的高风险工作里到底几斤几两的，值得把论文里的失败案例翻一遍。