NumTrace基准发布：审计金融Agent数字溯源错误
热点事件持续更新
NumTrace基准发布：审计金融Agent数字溯源错误
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Tianlei Zhu 等研究者发布 NumTrace 基准，用于审计金融分析师 Agent 生成的每个数字声明的来源与财务语义。基准目前包含 540 道题，覆盖 2,163 份 SEC EDGAR 文件，基于文件冻结快照并按会计规则构建参考答案，对每条声明给出 value、binding 和 support 三项判定，可检出“数字对但归属错”（RNWA）错误。 在用该基准审计 Claude Opus 5.5、GPT-6 Astra 和 DeepSeek-V4.1-Flash 三个 Agent 时，RNWA 错误占各自失败声明的 67.5%–81.8%；在 13F 共同申报组问题上，约 91% 的声明通过 value 检查，但通过 binding 检查的不到一半。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 13:58
NumTrace：审计金融分析师 Agent 数字溯源的新基准报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · cs.AINumTrace：审计金融分析师 Agent 数字溯源的新基准
研究者提出 NumTrace 基准，审计金融分析师 Agent 生成的每个数字声明的来源与财务语义，目前包含 540 道题、覆盖 2,163 份 SEC EDGAR 文件。该基准对每条声明给出 value、binding 和 support 三项判定，可检出“数字对但归属错”（RNWA）错误。在审计 Claude Opus 5.5、GPT-6 Astra 和 DeepSeek-V4.1-Flash 三个 Agent 时，RNWA 错误占各自失败声明的 67.5-81.8%；在 13F 共同申报组问题上约 91% 的声明通过 value 检查，但通过 binding 检查的不到一半。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 510月27日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。