# 金融 · 资料与专业交付：AI任务边界证据

版本 2026-10-19.boundary.1；截至 2026-10-19；整理 2026-10-19

16个编辑选择的代表任务切片；不是完整职业清单或任务覆盖比例。
主轴按原始材料公开日期；实验/上线时点另列。历史空白仅表示本次未收录证据；后来的质疑不偷偷改写早期结果。
任务定义、验收和术语是今天整理的对照框架；历史筛选只约束证据公开时间，不代表这些说明在当时已经存在。
实际覆盖比例：未知（null）

## F01 从财报取数并计算指标
输入：财报表格/文字、财年与问题
交付：数值、公式和页码依据
人负责：核对单位、财年、重述与会计口径
证据适配：FinQA、FinanceBench的限定公开问题；企业私有报表效果未知
验收：每个输入能定位原文；公式可复算；财年/币种一致

### 公开 2021-09-01 数字回答开始附可执行推理程序
证据类型：限定评测；方式：限定输入下由系统执行
当前引用状态：BF01 active · 当前可引用（不等于现场验证）。
FinQA共8281个专家标注问题，其中1147题为测试集。FinQANet（RoBERTa-large）检索文字与表格并生成可执行计算程序，测试执行准确率65.05%。
AI参与动作：检索财报数字并生成可执行计算程序；指定1147题测试集执行准确率65.05%。
配置：固定首稿的1147题测试集、规则表格布局；BERT-base检索器取排名前3条事实，RoBERTa-large程序生成编码器。
指标：1147题测试集执行答案准确率；不是8281题全量测量或通用财报分析通过率
事件/运行：精确日期未披露
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：取数、公式和计算可分别核对；这条路径早于通用生成式Agent。
比较：任务/配置或指标不同，不计算统一增长率
限制：不是65%的财务工作自动化；专家参照与模型不是同预算增长序列。
- [FinQA固定首稿](https://arxiv.org/html/2109.00122v1)：§3任务；§4.4数据切分；§6设置（BERT-base/top3）与§6.1表2（RoBERTa-large）。；公开2021-09-01；当前状态 active · 当前可引用（不等于现场验证）；65.05%为FinQANet执行准确率；91.16%专家参照不作同样本同预算受控增长比较

### 公开 2023-10-23 把财报问答的计算交给Python
证据类型：限定评测；方式：人机协作
当前引用状态：BF06 active · 当前可引用（不等于现场验证）。
FinQA测试1,147题；表2同一Codex底层模型的少样本贪心结果为CoT 40.4%、PoT 64.5%。
AI参与动作：模型表达变量/计算程序，Python执行；人仍需核对真实财报的取数与口径。
配置：code-davinci-002；Python3.8/SymPy；按数据集使用4–8示例；比较不同提示/执行系统
指标：财报问答答案指标；CoT使用相对容差0.001，非完整报告验收
事件/运行：精确日期未披露
日期依据：按所引用固定版本的公开日进入；不是首次发现或运行日
意义：可计算步骤有外部执行接口，但正确运算仍可能基于错误取数。
比较：只解释这一来源/任务/配置；不与其他题集连成增长曲线
限制：历史模型和限定问答；不是现场报表流程、审查人时或岗位覆盖。
- [Program of Thoughts：外部计算接口（v4）](https://arxiv.org/html/2211.12588v4)：§2.2；§3.1数据/实现/指标；§3.2表2；公开2023-10-23；当前状态 active · 当前可引用（不等于现场验证）；同底层模型改变提示与执行流程；未匹配完整延迟/预算；不是端到端财务工作通过率

### 公开 2023-11-20 检索方式决定财报问答可靠性
证据类型：限定评测；方式：限定输入下由系统执行
当前引用状态：BF02 active · 当前可引用（不等于现场验证）。
FinanceBench公开150题中，GPT-4-Turbo共享向量库29/150答对；整份财报长上下文118/150答对。
AI参与动作：模型从财报回答问题；同150题的正确数因资料流程不同为29或118。
配置：同一论文不同配置；长文档超限时截断至约95k–100k tokens
指标：人工核对的正确回答数；包含逻辑与计算依据检查
事件/运行：2023年11月测试；Appendix B仅给月份，具体日期未知；不是整月连续测量
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：这组实验中，同一模型因资料处理方式不同表现悬殊；实际使用时仍要核对材料、页码与口径。
比较：同一150题的配置差异可比较；不能当历史增长
限制：这是同论文、同实验窗口中的配置比较，不是两次时间节点的增长。
- [FinanceBench固定首稿](https://arxiv.org/html/2311.11944v1)：§4配置及§4.1标注；§5表2（Shared Vector Store与Long Context）。 Appendix B（测试月份）。；公开2023-11-20；当前状态 active · 当前可引用（不等于现场验证）；150题公开子集；29/150与118/150是同论文实验窗口中的不同流程，不能画成时间进步

## F02 检索金融资料并整理研究依据
输入：研究问题、允许资料与信息截止
交付：有来源的研究摘要/回答
人负责：核对时点、原文、遗漏与解释
证据适配：机构检索流程与公开金融研究基准；不等于自动投资决策
验收：每条主张有支持材料；截止日之后信息不得混入；不把条款分当整份报告合格

### 公开 2024-06-26 金融机构确认内部研究资料检索上线
证据类型：产品流程；方式：人机协作
当前引用状态：BF03 active · 当前可引用（不等于现场验证）。
Morgan Stanley公告回顾：Assistant于2023年9月全面推出，为顾问提供内部知识检索。
AI参与动作：机构产品帮助顾问查找内部研究资料；此材料没有测得任务净人时。
配置：机构内部资料与顾问核对；本条仅取官方流程说明
指标：已提供的机构工作流；无本条净人时试验
事件/运行：2023-09上线（2024-06公告回顾）
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：资料查找和摘要可进入员工工具，建议与客户关系继续由人负责。
比较：任务/配置或指标不同，不计算统一增长率
限制：证据公告在2024年6月；不把回顾信息倒填成2023已知公开证明。
- [Morgan Stanley Debrief正式公告](https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch)：client consent；Advisor edit/send；Salesforce；Assistant的2023年9月回顾；公开2024-06-26；当前状态 active · 当前可引用（不等于现场验证）；机构自报流程/采用，不是独立效率试验；2023上线信息此处到2024才公开确认

### 公开 2026-08-12 金融研究开始逐项核对来源与分析
证据类型：限定评测；方式：限定输入下由系统执行
当前引用状态：BF05 active · 当前可引用（不等于现场验证）。
FrontierFinance含220查询、11543条附来源的验收项；Samaya高努力内部Agent框架宏平均56.0%，Fable5+Finance Agent v2为49.2%。
AI参与动作：系统多轮检索和组合研究材料；最高内部配置的验收项满足比例等权平均56.0%。
配置：Samaya内部框架与Finance Agent v2均使用200工具调用/300秒预算，写入提示，触及后要求最终回答；两套工具/模型配置仍不同。
指标：GPT5.4、Gemini3.1 Pro、Claude Sonnet4.6三模型多数票判断每个验收项是否满足；先算每题满足比例，再对220题等权平均（宏平均）。不是整题通过率或专业人士批准。
事件/运行：精确日期未披露
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：Agent能执行多步研究，但数字、时点、比较与结论仍要逐项验收。
比较：任务/配置或指标不同，不计算统一增长率
限制：不与FinanceBench正确回答率相连，也不表示56%的投研工作可自动化。
- [FrontierFinance固定首稿](https://arxiv.org/html/2608.11683v1)：§3任务与来源化验收项；§5共同预算；§5.1三模型多数票及宏平均；表4系统/框架结果。；公开2026-08-12；当前状态 active · 当前可引用（不等于现场验证）；56.0%是Samaya高努力内部harness的条款满足宏平均，不是完整研究通过率

## F03 把客户会议变成记录与跟进草稿
输入：已同意处理的会议内容
交付：纪要、行动项与待发送草稿
人负责：取得已有同意、修订并决定发送
证据适配：机构公开产品流程；本试点不上传客户材料或测量效率
验收：关键决定准确；行动负责人与日期核对；客户内容权限符合实际授权

### 公开 2024-06-26 会议纪要连接到跟进草稿和CRM
证据类型：产品流程；方式：人机协作
当前引用状态：BF03 active · 当前可引用（不等于现场验证）。
Morgan Stanley Debrief在客户同意后生成会议笔记、行动项与邮件草稿，并保存Salesforce笔记；顾问修订和决定发送。
AI参与动作：产品在客户同意后起草纪要、行动项、跟进邮件并记录CRM。
配置：机构工具、OpenAI支持、客户同意与顾问审阅
指标：官方公开功能流程；没有本试点成功率/实测净人时
事件/运行：精确日期未披露
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：文稿准备可以减少手工步骤，但客户决定和发送责任保留。
比较：任务/配置或指标不同，不计算统一增长率
限制：机构自报，不能把采用率变成纪要准确率。
- [Morgan Stanley Debrief正式公告](https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch)：client consent；Advisor edit/send；Salesforce；Assistant的2023年9月回顾；公开2024-06-26；当前状态 active · 当前可引用（不等于现场验证）；机构自报流程/采用，不是独立效率试验；2023上线信息此处到2024才公开确认

## F04 生成相互一致的投行交付文件
输入：项目资料、模板与核算假设
交付：Excel、幻灯片和备忘录
人负责：审查公式、假设、客户要求与发送
证据适配：BankerToolBench初级投行公开任务；不是完整金融业务
验收：文件间数值一致；表格公式可复算；专业人士审核最终产物

### 公开 2026-04-13 跨文件交付成为完整任务测试
证据类型：限定评测；方式：限定输入下由系统执行
当前引用状态：BF04 active · 当前可引用（不等于现场验证）。
BankerToolBench含100项初级投行任务；21位银行人员对GPT-5.4/Opus4.6产物172次评审中，没有评为可直接发送。
AI参与动作：终端Agent生成投行表格、幻灯片与备忘录；指定专业评审中无可直接发送档。
配置：终端Agent编辑Excel、幻灯片与备忘录；人工Readiness评审
指标：可直接发送档；172是评审次数，不是172个独立完整任务
事件/运行：精确日期未披露
日期依据：按该条支持材料的公开日期进入时间轴；不是实验统一发生日
意义：AI可以先产出草稿，但发送前仍需要数字、公式和跨文件审查。
比较：任务/配置或指标不同，不计算统一增长率
限制：0%仅适用这次指定评审；不是行业零能力，也不是没有可用草稿。
- [BankerToolBench固定首稿](https://arxiv.org/html/2604.11304v1)：§3任务与环境；§6.1；附录A.4人工评审；公开2026-04-13；当前状态 active · 当前可引用（不等于现场验证）；21名银行人员172次评审，指定GPT-5.4/Opus4.6产物；0%可直接发送不是全金融行业结论

## F05 把研究结论转成可执行投资决定
输入：实时市场、授权、风险/交易成本约束
交付：可审计决策与真实交易回执
人负责：承担组合风险、权限及真实收益核算
证据适配：本次入选材料不足以支持完整委派；空白表示未收录适配证据
验收：前瞻样本外表现；扣除全成本的真实净收益；风险与客户约束全部通过
本次未收录此时点适配证据；不证明AI做不到。

## 术语速查
财报取数 / 可执行推理：从表格和文字找到数字、财年和单位，再生成可运行公式；算对答案不等于财务解释全部正确。
Agent框架 / 验收项：框架提供模型可调用的工具与流程；验收项逐条检查来源、数字、解释等要求。
宏平均 / 多数票：先计算每道题满足验收项的比例，再给每题同等权重平均；三个模型多数票不是专业人士审定。
CRM / 样本外净收益：CRM保存客户工作记录；样本外用未参与开发的数据检验，净收益还需扣除交易和运营成本。

## 方法与材料
覆盖的含义：在指定输入、环境和验收下，材料支持AI参与哪些动作；未知比例保持null。
速度的含义：证据节点之间的日历间隔、流程交接变化；指标/样本/预算不一致时，不计算能力增长率或外推一年三年。
综述用于发现任务和原始文献；每条公开主张引用原始论文/官方记录。转载及同一文献家族不累计成独立验证。
目的性选择三个领域的代表任务，不是穷尽检索或无偏职业采样；基础时间轴于2026-10-14核对，本次精选补充与证据截止2026-10-15，固定论文优先，不把动态榜排名倒填历史。
- [FinQA固定首稿](https://arxiv.org/html/2109.00122v1)；公开2021-09-01；阅读2026-10-14；当前状态 active · 当前可引用（不等于现场验证）；§3任务；§4.4数据切分；§6设置（BERT-base/top3）与§6.1表2（RoBERTa-large）。；65.05%为FinQANet执行准确率；91.16%专家参照不作同样本同预算受控增长比较
- [FinanceBench固定首稿](https://arxiv.org/html/2311.11944v1)；公开2023-11-20；阅读2026-10-15；当前状态 active · 当前可引用（不等于现场验证）；§4配置及§4.1标注；§5表2（Shared Vector Store与Long Context）。 Appendix B（测试月份）。；150题公开子集；29/150与118/150是同论文实验窗口中的不同流程，不能画成时间进步
- [Morgan Stanley Debrief正式公告](https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch)；公开2024-06-26；阅读2026-10-14；当前状态 active · 当前可引用（不等于现场验证）；client consent；Advisor edit/send；Salesforce；Assistant的2023年9月回顾；机构自报流程/采用，不是独立效率试验；2023上线信息此处到2024才公开确认
- [BankerToolBench固定首稿](https://arxiv.org/html/2604.11304v1)；公开2026-04-13；阅读2026-10-14；当前状态 active · 当前可引用（不等于现场验证）；§3任务与环境；§6.1；附录A.4人工评审；21名银行人员172次评审，指定GPT-5.4/Opus4.6产物；0%可直接发送不是全金融行业结论
- [FrontierFinance固定首稿](https://arxiv.org/html/2608.11683v1)；公开2026-08-12；阅读2026-10-14；当前状态 active · 当前可引用（不等于现场验证）；§3任务与来源化验收项；§5共同预算；§5.1三模型多数票及宏平均；表4系统/框架结果。；56.0%是Samaya高努力内部harness的条款满足宏平均，不是完整研究通过率
- [金融NLP系统综述](https://arxiv.org/html/2504.07274v1)；公开2025-04-09；阅读2026-10-14；当前状态 active · 当前可引用（不等于现场验证）；§2筛选；§3任务；§7.1指标与§7.2危机期间；374候选/221金融任务论文；论文数不是能力分/真实交易净收益
- [Program of Thoughts：外部计算接口（v4）](https://arxiv.org/html/2211.12588v4)；公开2023-10-23；阅读2026-10-15；当前状态 active · 当前可引用（不等于现场验证）；§2.2；§3.1数据/实现/指标；§3.2表2；同底层模型改变提示与执行流程；未匹配完整延迟/预算；不是端到端财务工作通过率