蚂蚁集团开源金融搜索智能体基准 FinFIRST:123 任务 12300 评分点
FellMentKE · x · 2026-09-04
蚂蚁集团联合中金公司投行团队推出 FinFIRST,一个面向金融搜索智能体(agents)的评测基准。V1 版本包含:
- 123 个专家编写任务
- 701 条原子化评价标准
- 12,300 个评分点(rubric points)
配套还开源了专为金融工作流设计的模型 Ling-3.0-flash-Fin,可接入搜索、Python、数据库和表格,为团队测试自己的金融智能体工作流提供起点。
所属事件:蚂蚁开源 Ling-3.0-flash-Fin 并发布 FinFIRST 金融评测基准(9 条相关)→
「模型」频道最新
- OpenRouter 数据：Opus 5.5 在 29 类任务中 20 类支出第一 — mmurph · 2026-10-21
- 小团队数月从零到百造出 LLM，称 Meta 开源将迎第二纪元 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 配 DFlash drafter：分块 16 token 提速推理 — TimDarcet · 2026-10-21
- EvoPress 量化让 30B 模型从 56GB 压到 19GB，精度几乎不掉 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 雷达图曝光：对标 Gemma4-31B 与 Qwen3.6-27B — TimDarcet · 2026-10-21
- 隐私评测 CIMemories：Muse Glimmer-30B 泄密率 26.4 优于 Qwen 的 53.4 — TimDarcet · 2026-10-21