一句话看懂：Hugging Face Papers 收录的 Investor’s Last Exam 基准，用冻结信息集和专家标准考察 AI 的完整股票研究流程；目前公开摘要显示，GPT-6 Astra 与 Claude Opus 5.5 总分领先，但在预测与建模环节仍明显不足。
事件核心：发生了什么
据 Hugging Face Papers 收录的论文摘要，研究团队推出股票研究基准 Investor’s Last Exam（ILE），由有买方投资经验的基金经理参与设计。它包含三部分：覆盖 343 万份文档版本、九类来源的版本化金融数据库及结构化市场数据，并通过时间戳限制检索和计算；围绕专业分析师交付物组织的任务分类；以及用金融依赖图把评分标准与来源、计算和假设关联起来的专家框架。评测共 86 项任务，同时考察研究质量、预测准确性和模拟投资表现。摘要显示，GPT-6 Astra 和 Claude Opus 5.5 以 68.1 分和 66.9 分（满分 100）领跑总体，但 Astra 在 Forecast & Model 上只有 52.5 分。上述结果限于摘要所述任务和评测条件，目前公开信息未说明完整实验细节。
为什么重要
金融 AI 的难点不只是“知道多少”，而是能否在看不到未来结果的前提下，基于当时可得证据形成可追溯的判断。ILE 把评测单位从孤立能力转向“证据—假设—判断”链条，有助于定位分析优势为何没有转化为预测和投资决策。对行业而言，这意味着金融大模型的竞争将更看重时间约束下的推理、数据溯源和建模能力，而不只是问答或研报摘要。
对用户/开发者/创作者的影响
开发者若做金融 Agent，需要重视信息版本管理、检索时间边界和可解释的评分链路；仅靠通用大模型 API 拼装，未必能在专业投研任务中稳定得分。关注 AI 投研工具的用户和企业，也可把“能否给出证据来源和假设链”作为评估采购的参考维度。内容创作者引用此类基准时，应区分专家设计的评测框架与已上线产品能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 ILE 是否公开更多任务细节和复现结果；二是后续模型能否在 Forecast & Model 子项上缩小与总分领先的差距；三是这类基准会不会被金融 AI 产品用作训练和采购评估标准。
