FinResearchBench II: A Deep Research Benchmark with Consensus-Derived Gold Rubrics for Distinguishing Financial Report Quality
金融研究基准II：一个具有共识衍生黄金标准的深度研究基准，用于区分财务报告质量
机构 * StepFun（步趣） ； FinStep（鳍步） ； University of Adelaide（阿德莱德大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对深度研究代理生成财务报告的大规模评估瓶颈，提出可扩展管道生成高质量标准。通过构建基准、合成候选标准、比较大语言模型与人类评估，经两个过滤器得出黄金标准集，用于评估10个深度研究系统，实现可扩展的基准评估等研究。
