{"version":"2026-10-16.1","forecast":{"id":"weekly-report","title":"固定周报准备","workDomainId":"DATA","taskIds":["DATA-21823","DATA-21829"],"advanceIds":["ADV04","ADV05","ADV20","ADV24"],"impactIds":[],"asOf":"2026-10-13","nextReview":"2027-01-13","scope":"授权表格、固定指标与模板，中文内部报表；无完整场景现场基线。","currentBoundary":"本站核对过一份固定计算产物的受限重放；完整资料整理、图表与成稿尚未做现场验证。","actualTechnicalShare":null,"actualDelegatedShare":null,"actualNetHumanTime":null,"uncertainty":"方向为条件推断，幅度未知；地区/语言/工具/人群不同不直接迁移。三年是本站条件推断的检查点，没有来源论文直接验证这个时间跨度。","upgradeTriggers":["同预算独立留出的质量、依赖与最终状态通过","复核返工维护后的合格交付全成本改善","真实接收者持续接受，过程约束与恢复通过"],"downgradeTriggers":["资料冲突、来源撤回或独立验收失败","越权泄漏、重复副作用或状态不明","复核返工增加、接收失败或净成本不改善"],"workChanges":{"reduced":["授权表格归集、重复键与缺失值检查","固定指标计算、图表及初稿整理"],"retained":["统计期间与退款等业务口径确认","异常原因解释和接收者最终确认"],"added":["字段/来源版本维护与跨文件对数","记录返工和复核人时，监测数据漂移"]},"trial":{"inputs":["冻结的授权表格快照、字段词典、币种与统计期间口径","周报模板、指标定义与每项事实的来源页","同工作量同质量的人工基线与接收者"],"steps":["核对字段、重复键、缺失值与统计期间，保留输入版本","按固定口径计算并从原数据独立复算，再生成图表","核对表格/图表/成稿中的数值与出处，解释和对外接收由责任人确认"],"acceptance":["分组汇总与总量一致，差异可以回溯到原始记录","图表单位、期间和周报数值一致，引用指向有效源页","事实与推断分开；接收者未实际确认时不报告现场完成"],"stop":"关键证据/权限缺失或独立验收失败时，停依赖步骤，保留产物交回责任人。"},"horizons":{"oneYear":{"targetDate":"2027-10-13","scenarios":{"conservative":"仍以找资料、起草为主，人员逐项对数和确认统计期间。","baseline":"固定字段与口径下，归集、计算和图表草稿更可能交给AI；人员解释异常并确认接收。","upside":"若同预算留出资料连续通过，可扩到跨文件草稿；遇到口径变化或缺出处立即交回核对。"}},"threeYears":{"targetDate":"2029-10-13","scenarios":{"conservative":"依然只有局部辅助；频繁版本变化可能抵消省下的写作时间。","baseline":"若来源版本、事实撤销与跨文件核对可靠，可扩大成稿链；业务解释和接收仍由人负责。","upside":"若跨季度质量与净人时均改善，可让固定周报链持续运行并监测；异常、口径变更和对外决定仍需明确责任。"}}},"history":[{"date":"2026-10-13","version":"2026-10-13.1","reason":"基于现有研究建立初始推断，无实际百分比"},{"date":"2026-10-13","version":"2026-10-13.2","reason":"补齐具体主张对应原始来源；条件判断和实际未知保持"},{"date":"2026-10-13","version":"2026-10-13.3","reason":"公开修订时间与预测基准分离，补齐审核/输出一致性；条件推断与实际未知不变"},{"date":"2026-10-13","version":"2026-10-13.4","reason":"按具体场景补齐输入、动作和独立验收；实际比例与净收益仍未知"},{"date":"2026-10-14","version":"2026-10-14.1","reason":"补概念、证据推断链与日期口径，原预测基准与实际未知不变"},{"date":"2026-10-14","version":"2026-10-14.6","reason":"按逐页原文审阅更正研究条件与定位，区分适配推断并补场景化一年/三年；基准日及实际未知不变"},{"date":"2026-10-14","version":"2026-10-14.8","reason":"独立复核补LaRA任务对照、分开知识对象两个测试及其分母；情景基准与实际未知不变"},{"date":"2026-10-14","version":"2026-10-14.12","reason":"按场景具体写明缩减/保留/新增工作；中文解释合成演算输入、变量与复算，不改变真实未知状态"}],"illustration":{"kind":"synthetic_sensitivity","actualForecast":false,"notice":"合成100h输出原型；工时/门槛/年份是人为输入，包络不是真实预测、概率区间或最坏界。当前/未来实际T、D、净人时未知。E不满足门槛仅为样例假设，不是永久人工职责。","groups":[{"id":"A","title":"资料归集与规范化","hours":20},{"id":"B","title":"固定指标计算","hours":20},{"id":"C","title":"跨文件成稿","hours":20},{"id":"D","title":"独立证据核查","hours":10},{"id":"E","title":"业务解释与沟通","hours":30}],"eligibleGroups":{"oneYear":{"conservative":["B"],"baseline":["A","B"],"upside":["A","B","C"]},"threeYears":{"conservative":["B"],"baseline":["A","B","C"],"upside":["A","B","C","D"]}}},"reader":{"topic":"把周报拆成可复算数字、有出处的材料和业务解释","concept":["这里的工作要求用真实数据交付一份数字一致、能追溯出处并由团队接收的报告。固定计算、资料检索和业务解释的验收不同，应分别判断。","例如销售周报需要先确定退款是否扣除，再核对各地区之和与总额，最后解释异常。模型能够写出解释不代表口径已确认，也不能用金融文档评测的分数推算这一份周报的成功率。"],"takeaway":"本站核对过一份固定计算产物的受限重放；完整资料整理、图表与成稿尚未做现场验证。 一年侧重局部环节，三年要看依赖、交接与真实接收能否稳定。","terms":[{"term":"技术可委派","definition":"在给定输入、工具与质量门槛下，执行部分可交给AI。"},{"term":"实际委派","definition":"组织已经接入流程并真实采用，和技术上能做不同。"},{"term":"净人时","definition":"同工作量同质量下，计入准备、复核、返工、接管和维护后的人员时间变化。"}],"developments":[{"id":"ADV05-F05-P1","title":"LaRA与LongMemEval分别测到什么","paragraphs":["LaRA在2326道题、11个模型与小说、论文、财报语料上比较检索增强和长上下文。RAG设置使用600 token的分块、100 token重叠，结合GTE向量检索与BM25，取5块供模型回答。结果随任务、模型和材料长度变化；必须连同这些检索条件阅读，不能断言长窗口或检索总是更好。[FS033]","同一GPT-4o、128k上下文行中，LaRA表2的推理题正确率为长上下文79.35%、RAG70.26%；无答案应拒答题则为长上下文56.34%、RAG67.33%。推理题含财报计算和人物关系，评判由GPT-4o判断答案正确性。这个例子说明两种方案在不同任务中各有优势，不是通用胜负。[FS033]","LongMemEval用500题测试跨会话信息抽取、时间推理、事实更新与拒答。在LongMemEval_S约115k token历史、GPT-4o且未加CoN笔记步骤的条件下，图3b报告全历史输入为60.6%，直接给定相关会话的oracle为87.0%。这说明正确找到证据很重要；oracle已经移除检索难度，不是完整可部署系统的87%成功率。[FS034]"],"sourceIds":["FS033","FS034"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"ADV20-F20-P2","title":"金融检索和跨文件专业交付","paragraphs":["FrontierFinance测试220道金融研究查询、11,543条验收项。8月论文中的56.0%是Samaya高努力内部系统；Claude Fable 5为49.2%、Kimi K3为46.4%，配Finance Agent v2、最多200工具调用/300秒。分数是逐题条款满足率的平均，不是整题通过率；9月28日运营方榜Fable5.1+同名Agent的55.9%是另一快照，不能当控制增长曲线。[FS126] [FS127]","BankerToolBench有100项初级投行业务任务，要求表格、幻灯片、备忘录数值与引用一致，主实验用OpenCode。九系统最佳仍近半条款未满足；21名投行人员对GPT-5.4或Opus4.6产物作172次评审，无人给“可直接发送”档。172次不是172份独立产物，0%也不是所有金融AI的通用交付率。[FS092]"],"sourceIds":["FS126","FS127","FS092"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"ADV24-F24-P1","title":"同类工具在不同开发者任务中效果相反","paragraphs":["Microsoft、Accenture与匿名Fortune100的三项企业现场随机试验，合并4867名开发者，随机提供代码补全助手，作者估计完成任务数量高26.08%（标准误10.3个百分点）。这不是每项任务都省时26%，也不是稳定的全行业增益。[FS071]","METR另让16名熟悉成熟仓库、对目标仓库平均约5年经验的维护者处理246个预先定义issue，随机允许或禁用AI。使用2025年2–6月工具前沿，主要是Cursor Pro与Claude3.5/3.7 Sonnet，完成时间增加19%。这是耗时指标，与完成任务数量不同；不适用于当前全部工具或新手任务。[FS072]"],"sourceIds":["FS071","FS072"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"weekly-report-inference","title":"这些研究怎样影响本场景（编辑推断）","paragraphs":["检索和记忆评测说明相关材料、事实更新与拒答会改变结果。对周报，应保留每个数字的来源与期间，不能只把全部文件放进长输入。","金融文档评测要求表格、幻灯片和备忘录一致。这为周报提供相邻验收思路：逐项核对图表和文字的数字与公式，但不能直接继承银行任务的分数。","开发者任务研究出现相反方向的人时结果，提醒周报也要记录准备、复核与返工；文字生成更快不等于整条流程省时。"],"sourceIds":[],"basis":"本场景应用推断；研究没有直接测量这份工作，幅度保持未知。"}],"timeline":[{"dateLabel":"2026-10-13","date":"2026-10-13","precision":"预测基准","kind":"条件推断建立","description":"使用指定研究与当前任务标准提出场景判断，不是业务测量日。","sourceIds":["FS033","FS034","FS126","FS127","FS092","FS071","FS072"],"dateBasis":"本场景初始判断记录"},{"dateLabel":"2027-10-13","date":"2027-10-13","precision":"目标日期","kind":"一年情景","description":"固定字段与口径下，归集、计算和图表草稿更可能交给AI；人员解释异常并确认接收。","sourceIds":["FS033","FS034","FS126","FS127","FS092","FS071","FS072"],"dateBasis":"从预测基准日起的一年检查点"},{"dateLabel":"2029-10-13","date":"2029-10-13","precision":"目标日期","kind":"三年情景","description":"若来源版本、事实撤销与跨文件核对可靠，可扩大成稿链；业务解释和接收仍由人负责。","sourceIds":["FS033","FS034","FS126","FS127","FS092","FS071","FS072"],"dateBasis":"三年新增条件推断，不是原论文已经验证的结果"}],"meaning":["先做下方最小试点，保存全部尝试和独立验收，再决定扩大范围。人承担的口径、接受与例外处理要具体记录。"],"openQuestions":["方向为条件推断，幅度未知；地区/语言/工具/人群不同不直接迁移。三年是本站条件推断的检查点，没有来源论文直接验证这个时间跨度。"],"sourceNotes":[{"sourceId":"FS033","supports":"指定GPT-4o/128k行的推理与拒答结果，以及RAG检索配置；任务不同有不同优势。 对本场景仅提供相邻验收参考。","locator":"v2 §3.2（题型）、§3.4（答案判分）、§4.1（配置）、§4.2/表2（模型与结果）。","readingHint":"先确定问题类型与检索器，再比较各模型；不同条件不可拼成统一提升。","limit":"研究比较设置，不是金融业务部署或独立复验。"},{"sourceId":"FS034","supports":"LongMemEval_S、GPT-4o、不加CoN时0.606/0.870对照及五类长期记忆能力。 对本场景仅提供相邻研究与验收参考。","locator":"§3.4、图3b（印刷第6页）；相关数据与历史长度说明。","readingHint":"区分全历史输入与直接提供正确相关会话；oracle排除了检索困难。","limit":"作者评测结果；本页未重跑，不能把oracle当完整系统成绩。"},{"sourceId":"FS126","supports":"指定系统与条款满足率，不是全任务成功率。 对本场景仅提供相邻研究与验收参考。","locator":"§3.1（220题）；§5/§5.1（工具与宏平均评分）；表4（结果）。","readingHint":"先分清条款满足、整题通过、数值答案正确与可发送四种指标，再看配置。","limit":"继承指定研究的核验与配置范围；文献家族未知，不按URL计独立实验。"},{"sourceId":"FS127","supports":"另一快照55.9%，未确认同预算控制比较。 对本场景仅提供相邻研究与验收参考。","locator":"运营方2026-09-28榜单指定模型/Finance Agent v2行。","readingHint":"先分清条款满足、整题通过、数值答案正确与可发送四种指标，再看配置。","limit":"继承指定研究的核验与配置范围；文献家族未知，不按URL计独立实验。"},{"sourceId":"FS092","supports":"100投行任务、跨文件交付与指定产物人工评审。 对本场景仅提供相邻研究与验收参考。","locator":"§3.1/§3.2（任务/环境）；§6.1（可直接发送档）；附录A.4（21人/172评审）。","readingHint":"先分清条款满足、整题通过、数值答案正确与可发送四种指标，再看配置。","limit":"继承指定研究的核验与配置范围，本次未重新复跑原始实验；文献独立家族未知。"},{"sourceId":"FS071","supports":"三企业4867人代码补全试验的任务数量估计、标准误与人群差异。 对本场景仅提供相邻研究与验收参考。","locator":"期刊Abstract；Article Information（在线日期）。","readingHint":"任务数量、耗时、相对趋势和整体人数是不同指标；先核对比较对象。","limit":"继承既有报告审查范围；导入未重跑或重新核验全部原始来源。文献家族未知，不计独立实验数。"},{"sourceId":"FS072","supports":"熟悉目标仓库的维护者（该仓库平均约5年经验），指定工具下随机允许AI的耗时结果；对本场景仅为相邻验收参考。","locator":"PDF第1页Abstract、第2页Introduction及试验任务定义。","readingHint":"任务数量、耗时、相对趋势和整体人数是不同指标；先核对比较对象。","limit":"继承既有报告审查范围；导入未重跑或重新核验全部原始来源。文献家族未知，不计独立实验数。"}],"editedAt":"2026-10-14","factCutoff":"2026-10-13","readingScope":"场景适配与未来情景为编辑推断，实际三个份额保持未知。"},"evidenceStatus":"active","reviewSourceIds":[]}}