一句话看懂：arXiv 新论文提出 FINCOSMOS，一个让金融智能体在开放网页环境中自行找数据、做回测、交付可验证结果的评测范式；在摘要披露的 150 次会话中，没有一次被系统接受。这为“看起来可信”的金融 AI 输出提供了一个更严格的检验视角。
事件核心：发生了什么
2026 年 11 月 6 日，arXiv cs.AI 发布论文摘要《FINCOSMOS: An Open-World Evaluation Paradigm for Agents in Finance》。作者指出，现有基准通常在任务、数据或时间线上“关闭世界”，等于把失败场景移除了。FINCOSMOS 的做法是：由模拟用户持有从组合语法中隐藏抽样的策略，只在被追问时披露；智能体没有现成数据，必须自己从 Web 获取数据，在数据截止时点下构建回测并交付可核验结果。
评分不依赖参考答案：程序验证时点一致性、重算所有报告指标，并将交付策略与隐藏规格比对；只有用户满意且 15 项否决检查全部通过，运行才被接受。摘要称，在 4 个编码智能体和 1 个无工具模型的 150 次会话中无一被接受，模拟用户签字的会话也全部未通过程序检查；智能体仅主动问出 54%—64% 的未披露细节，人类专家将 88.33% 的失败归因于智能体。加上 FINCOSMOS 反馈后，一个具备持久记忆的智能体学会了全部十项任务。以上仅基于论文摘要，未核验全文实验。
为什么重要
金融 AI 应用最危险的地方不是明显报错，而是“静默出错”：用户没要求的策略、未核实的数据、使用未来信息的回测，都能产出一份同样有说服力的报告。FINCOSMOS 把评测重点从“结果像不像”转向“过程能否被程序复算、口径是否点对点正确”，这更接近真实投研和合规场景。对智能体产品而言，隐藏策略、自主取数、时点约束和否决检查的组合，意味着评测会更多考察需求澄清、数据溯源与可验证交付，而不是单轮问答能力。
对用户/开发者/创作者的影响
对开发金融智能体的团队，值得注意的不是榜单名次，而是接口设计：智能体是否被鼓励向用户澄清策略、是否记录数据来源与抓取时间、回测引擎能否复现每个指标。对普通用户，这提示当前金融 AI 报告仍需要人工复核数据截止时间和策略口径。对企业和创作者，未来采购或引用 AI 金融分析时，可要求提供可复算的中间产物，而非只看结论。目前公开信息显示，该工作属于评测方法研究，尚不是已上线的产品或服务。
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
可继续观察：论文全文是否披露更多任务细节与失败类型；持久记忆智能体“学会全部十项任务”能否跨任务泛化；以及是否有团队将该评测思路转化为开发者可用的 API 或开源工具。
来源：arXiv cs.AI
