Trata 发布 Hedge-Bench:顶级模型金融预测准确率不过半

ycombinator · x · 2026-10-31

Trata 团队发布修订版 Hedge-Bench 基准,将开放式推理与预测能力挂钩:基于对冲基金分析师的推理轨迹构建 92 个真实环境,agent 在冻结的信息快照上做预测,并以未来真实结果评分。结果显示没有一个模型得分超过 50%,最强的 GPT-6 Astra 也只有 44.2%,说明前沿模型「听起来合理的推理」与「准确且有经济价值的预测」之间仍存在巨大鸿沟。团队还在 165 个环境上用 LLM-as-a-Judge 和逐轮信用分配对 Meta 的 Muse-Glimmer-30B 做了后训练,观察到证据……(原帖在此截断)。