论文Agent 与开发者多源确认10:32NumTrace 基准：审计金融分析师智能体的数字来源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。#NumTrace#Claude Opus 5.5#GPT-6 Astra#DeepSeek-V4.1-Flash10 个信源在谈事件专题aarXiv: DeepSeek@Tianlei Zhu 等 4 人11 个信源在谈原文稍后读已读值得跟进有用关注 NumTrace