财报到联动工作簿：取数、对齐口径并更新模型 →
把锁定的新财报资料更新到既有联动模型，使关键数字可追溯、公式可重算、说明与图表随模型一致变化。
可把来源数表到联动工作簿的候选交付整包委派；关键口径、引擎重算和非目标改动独立通过后接收。
接收标准：取数与口径真实相符
金融与财务 · 工作、能力与未来
了解AI进展与行业影响
看清最近进展发生了什么，影响哪些工作，以及依据支持到哪里。
从“把数算对”走到“给出可追溯的判断”：比较资料与报表准备、经营分析两类职责，并核对真实岗位的业务要求。
本页选取本领域几项具体工作，说明已公开的进展、适用条件与尚未知的影响；不是行业整体自动化程度。
从可验收交付，看具体进展
这些工作，现在怎样用AI？
先选一项工作，看当前可委派范围、要接收的产物和验收方法，再看哪些研究改变了这项判断。无需先填写个人资料。
当前可用 · 先选交付目标
金融与财务：现在可以怎样用AI
可先委派明确口径的模型更新、对账与资料综合；接收检查来源、公式与异常，能力判断不等于收益承诺。
交易对账：算清净额并解释异常 →
按既定截止日与状态规则，将交易和账面逐项对齐。
规则明确时，可委派AI写计算、定位差异和异常说明；结果用独立重算接收。
接收标准：防止一对多连接放大金额
来源化研究备忘录：事实、假设与反证可追溯 →
让研究负责人收到可核查、可用于讨论的一份分析，而不只有流畅观点。
可让AI整理证据、起草论证和对照情景；事实与计算可逐条接收，开放投资判断仍需按用途复核。
接收标准：关键主张有直接支持
核保申请包：按固定准则交付有出处的承保建议 →
把一次商业保险申请及其资料，变成可追溯的适配判断、候选条件与关键缺项；保留准则未允许的例外。
准则和申请资料可读取时，可把适配分析、候选条件与缺项识别整包交给Agent；按准则与出处接收建议，例外和未决事实明确返回。
接收标准：建议能由指定准则推出
按原始公开或修订日期倒序；核查与补录日期另列。上方工作建议反映当前判断，不受历史窗口筛选。
截至 2026-10-21 的精选；按首次公开或实际判断变化日期筛选与排序。资料修订另行说明，不自动表示能力提升。下次复查 2026-11-20。
· 现场观察
保险Agent已有业务接入，产品准入仍有限
Guidewire发布保单变更Agent及核心流程接入，但该功能Early Access，未公布自动核保决定可靠性。
实际结果：Guidewire发布保单变更Agent及核心流程接入，但该功能Early Access，未公布自动核保决定可靠性。
现在可做：沙盒准备标准接受、拒绝、超权、并发报价和再保未确认五类案件，独立核对理由、条件及最终状态；记录重试与介入。
展开工作变化、研究配置与证据
改变的步骤：保单变更Agent可接到核心保险流程，交付对象开始包含业务状态；Early Access范围不等于完整自动核保。
以前：资料、判断与状态分开交接。
现在：可围绕最终业务状态组织Agent与专业系统；真实权限、人工环节和失败必须仍可核对。
配置与口径：厂商产品/部署自报；具体模型、预算和错误分母未公开；不是本站或独立复现。
适用边界：再保真实确认与复杂承保判断尚缺直接证据；厂商自报不是独立可靠性评估。
- Guidewire Qusar Agent发布与准入范围 ↗
2026-08-03 · 定位：Policy Change for ProNavigator及*、** availability footnotes
厂商提供接入保单/理赔/账单工作流的框架和专门Agent。；Policy Change为Early Access，Claim Summary/FNOL为Restricted Availability；不是公众无条件可用、完整核保决定或真实承保AI成绩。
核查 2026-10-20 · 下次复查 2026-11-20
· 工作方法
报告、模型和备忘录可以按整包工作委派
官方金融Agent模板把资料读取、模型维护、对账和研究交付组织为有工具与数据接入的工作。
实际结果：发布了包含模型维护、总账对账及研究等具体参考架构，交付覆盖多个文件与应用。
现在可做：先选一份工作簿更新或对账快照，用来源追溯、重算和异常清单验收。
展开工作变化、研究配置与证据
改变的步骤：原先分散在抄数、Excel更新、报告写作的步骤，可以围绕同一交付与接收标准循环。
以前：逐个派取数、改表、写稿任务，多次重复交接相同背景。
现在：给定报告、模型和目标，Agent更新资料与产物；冲突集中进入接收。
配置与口径：产品/模板发布说明；需按本机构数据、规则、权限与接收流程适配；本站未运行这些模板。
适用边界：模板可用不等于公司流程已可靠，模型榜单或客户引语不能直接算净收益。
- 金融Agent模板：模型维护、对账与研究交付 ↗
2026-05-05 · 定位：New agent templates for finance work；跨应用交付
官方公开金融工作参考架构，包含报告到模型、总账对账和研究备忘录等跨文件交付。；发布说明和模板存在不等于已验证用户公司的流程、正确率或投资收益；客户节时引语未作证据。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
· 能力进展
核保评估开始检验企业准则、工具与多轮交互
UNDERWRITE把机构准则、数据库和模拟申请交互接入评测，使核保任务能按具体决策条件研究。
实际结果：论文报告专门任务环境中的结果和重复运行可靠性缺口；不把文中存在差异的榜单点值录作当前能力。
现在可做：固定本机构准则与代表申请，用可追溯建议和例外作为验收对象。
展开工作变化、研究配置与证据
改变的步骤：从保险知识问答进入带私有规则和工具反馈的核保候选判断。
以前：通用保险问答难以反映机构准则与实际工具依赖。
现在：可按准则适配、缺项、幻造产品和交互恢复检查候选判断。
配置与口径：13模型、300任务、最多50轮；模拟企业与用户，ReAct/LangGraph；原配置与当前部署不同。
适用边界：模拟环境不等于真实承保；论文模型时点和机构输入分布不可直接迁移。
- UNDERWRITE：在企业准则与工具环境中评估核保Agent ↗
2026-01-31 · 定位：The Underwrite Environment；Evaluating Models；Table 1及pass^k分析
商业财产责任险的合成企业环境，包含准则、数据库和模拟用户；评估回答正确性与交互。；不是真实承保/赔付结果；正文最高分与Table 1口径存在差异，此处不转录榜单分数，也不外推当前最强模型。
核查 2026-10-20 · 下次复查 2026-11-20
· 现场观察 · 资料修订 2026-03-18：部署和产品说明，后续资料为范围补充；不据网站修改推能力跃迁。
低复杂赔案已有Agent处理到支付决定前的生产自报
Allianz自报澳洲低额食品变质Agent处理到最终支付决策前，仍有人工决定；德国宠物自动化是另一系统，不等于同一Agent自动付款。
实际结果：Allianz自报澳洲低额食品变质Agent处理到最终支付决策前，仍有人工决定；德国宠物自动化是另一系统，不等于同一Agent自动付款。
现在可做：用两轮损失估计、部分已付、超权准备金、支付失败和新证据重开组成脱敏沙盒，独立重算估计/调整并核对批准、支付及关闭状态。
展开工作变化、研究配置与证据
改变的步骤：低额食品变质赔案已有Agent处理流程的生产自报，但最终支付决策与人工环节仍需逐案核对，不能由处理文字推定自动付款。
以前：资料、判断与状态分开交接。
现在：可围绕最终业务状态组织Agent与专业系统；真实权限、人工环节和失败必须仍可核对。
配置与口径：厂商产品/部署自报；具体模型、预算和错误分母未公开；不是本站或独立复现。
适用边界：个案持续估计准确性、长期结果和跨险种迁移尚缺直接证据；厂商自报不是独立可靠性评估。
- Allianz实际Agent理赔采用说明 ↗
2025-11-03 · 定位：Nemo works like this / Human-in-the-loop；澳洲低额食品变质险
自报Agent把覆盖天气反欺诈及金额形成可交最终支付决策的处理包。；自报部署，保险公司保留最终支付决定；未公开模型、预算、逐案正确率或可重放产物，不扩大到人身或争议案件。
核查 2026-10-20 · 下次复查 2026-11-20
- Allianz 2026采用回顾：区分自动化与Agent ↗
2026-03-18 · 定位：Responsible AI in action：German pet insurance / Australia food spoilage
厂商分别描述自动宠物理赔与Agent食品理赔，不宜统称同系统。；自动宠物处理数字不证明LLM Agent；国家险种、拒赔升级与人工环节不同，无独立产物重放。
核查 2026-10-20 · 下次复查 2026-11-20
· 工作方法
企业财务Agent已进入产品，现场接收仍需独立核对
Intuit Enterprise Suite发布会计及财务Agent，覆盖交易分类、对账及财务分析等产品工作流。
实际结果：厂商发布了嵌入企业财务系统的Agent产品入口；这是产品范围自报，未提供本账簿的完整正确率、重试和人工介入分母。
现在可做：在适用产品沙盒中给一套带跨期、重复及缺失凭证的账簿，独立核对分类、银行/子总账差异和更正回写；保存每次人工介入。
展开工作变化、研究配置与证据
改变的步骤：分类、对账和分析可通过产品中的Agent接到既有业务数据；用户需核对可用订阅、地区、连接和实际操作权限。
以前：需自行把资料、计算与财务系统连接起来组织自动化。
现在：存在厂商集成入口，可作为会计与预测工具候选；收款Agent不能直接充当资金部门对外付款能力。
配置与口径：Intuit 2025-07-22 Enterprise Suite原始产品发布；核查产品覆盖声明，未注册、购买或运行本站账套；客户节时比例不转写为任务完成率。
适用边界：厂商发布而非独立成功率；地区订阅、连接和使用条件须向实际产品核对。
- Intuit官方企业Agent产品发布 ↗
2025-07-22 · 定位：Accounting Agent、Finance Agent与产品可用性段落
厂商介绍分类、对账及财务洞察的产品交付。；产品自报非独立结果；没有本站账套、错误分母或人工介入完整日志，不使用客户节时百分比。
核查 2026-10-20 · 下次复查 2026-11-20
评测方法和测量修订 · 8项
· 测量修订
财务研究验收可以同时查答案与证据
FinFIRST把金融检索的最终答案与出处、期间、定义和计算一起验收，原子高分与完整题通过仍有差距。
实际结果：作者在123题统一工具评估中报告：GPT-5.6-Sol有88题全部标准满足（71.54%）；另一配置Claude-Opus-5的87.59%是701个原子标准的得分，二者不是同一分母。
现在可做：选一项有明确截止日的公司指标研究，要求原始披露、口径桥和重算；另设主体/期间/地域错配反例校准验收。
展开工作变化、研究配置与证据
改变的步骤：代理需要自己找资料、对齐主体和期间、计算并给可追踪证据；验收能定位答案正确但出处或口径不成立的情况。
以前：只核最终数字的财务问答，难以区分真实研究与碰巧命中答案。
现在：同一次任务同时检查取数、来源、计算和答案；完整接收要求所有必需标准满足。
配置与口径：FinFIRST v1：123题、701原子标准、15配置；统一ReAct搜索/网页/Python，温度1.0，每配置一次指定运行，GLM-5.1裁判；GPT-5.6-Sol的Strict Pass为88/123。
适用边界：作者指定运行与自动裁判结果，非独立复现；论文Table2示例混用美加收入与美国市场分母，需独立审查参考口径，不能当本业务正确率。
- FinFIRST原文：答案与证据分项评测 ↗
2026-09-21 · 定位：§3.1—3.4、§4.1 Table3、Table2例子
123题统一搜索/网页/Python配置的外部Agent研究。；作者单次指定运行，自动裁判；Table2分子含美国加拿大而分母是美国，地域口径需独立审查，不能把高分当研究绝对正确。
核查 2026-10-20 · 下次复查 2026-11-20
· 测量修订
精算从知识题扩大到可执行表格与R实作
INS-ActBench把精算评估扩展到表格和R代码的执行结果，可直接检查计算产物。
实际结果：INS-ActBench Table3的GPT-5.5在636道表格题平均67.7%、516道R题输出评分71.1%。表格按答案格均分，R以执行输出核对；研究还观察到工具未启动、函数/引用错误和模型计算错误，三者不能靠代码可运行一并排除。
现在可做：选定一种精算交付，冻结数据与假设，独立重算关键现金流或准备金；加入尾部、暴露和时间错位输入，记录整包接收而非仅格均分。
展开工作变化、研究配置与证据
改变的步骤：模型需要形成可执行表格或代码并得到指定输出；精算知识题、实作题和完整业务模型分别评价。
以前：仅用知识题或改编案例选择题，不能证明能构建和运行数值产物。
现在：可以直接检查表格/代码输出；仍需用经验、定价、负债或资本任务各自的假设与校准接收整包。
配置与口径：v1 Table3/§4.1–4.4；9模型，Practice零样本；此行为GPT-5.5，表格636/R516题，数值相对误差0.2%，表格多答案格取均值；原题/工具配置结果，未本站重放。
适用边界：改编考试题和指定输出；不涵盖长期准备金充分性或各地监管。
- INS-ActBench：精算案例、表格与R实作 ↗
2026-07-27 · 定位：§3.2—3.3、§4.1 Evaluation、Table3、§4.4
专业精算材料改编的直接LLM任务评估。；知识/案例经选择题改编；表格按答案格平均，不能换成整表通过率、真实准备金充足或长期精算完成率。
核查 2026-10-20 · 下次复查 2026-11-20
· 测量修订
业务表格测量区分单元格修改与整表正确
局部修改分高仍可能无法交付整表。
实际结果：论文中Opus4.6在金融建模100项的目标单元格匹配比例任务均值为89.69%，整表34/100通过；总集321包含其他类别，图表另用rubric。
现在可做：加入驱动扰动后情景/图表一致性检查。
展开工作变化、研究配置与证据
改变的步骤：W-F01验收增加重算、跨sheet联动及非目标改动检查。
以前：一个新增数字正确就接收模型。
现在：最终可重算工作簿和相关联动都要成立。
配置与口径：arXiv v1；总集321任务，金融建模子类100任务；统一SWE-agent scaffold，最多50轮。89.69%为100项中每任务目标单元格计算值匹配比例的平均，34/100为整张输出工作簿所有单元格均匹配参考的任务比例；图表rubric另计。
适用边界：无可比能力提升；不同口径分数差不能写成模型退步或提升，assessmentChangedAt为null。
- SpreadsheetBench 2 v1：业务工作簿整表验收 ↗
2026-06-29 · 定位：Task taxonomy / Evaluation / Main results；https://github.com/RUCKBReasoning/SpreadsheetBench-2
321项端到端业务工作簿任务，区分修改单元格、整表正确和图表rubric。；数值与图表口径不同，产品另测30例子集；未验证10月新模型。输入/golden/输出需重算，图表检查另需Excel/WPS COM。
核查 2026-10-20 · 下次复查 2026-11-03 · 已到期待复查
· 测量修订
赔案文本到精算变量已有可检查研究原型
研究原型把赔案文本转换成有时间与来源的精算变量，再连接分层分析；经验基础不必局限于结构化表。
实际结果：作者报告合成样本的核心变量专家量表评阅及下游示范；不是实赔或全险种准确率。
现在可做：固定一批去标识赔案和保单暴露，注入缺失、时间错位与未结案，双盲核对变量后用冻结假设回看。
展开工作变化、研究配置与证据
改变的步骤：可把文本变量候选作为独立经验交付接收，增设原文和时间盲审。
以前：经验分析多依结构化数据。
现在：可试作带原文及时间回链的文本变量候选，先核对再用于模型。
配置与口径：GPT-4o-mini原型，合成FHIR与文本，双临床评阅量表；不报告量表为百分比。
适用边界：合成数据和专家量表不是实赔准确率；分层准备金示范不证明真实准备金充分或寿险适用。
- Leveraging LLMs for Unstructured Claims Data Analysis ↗
2026-06-04 · 定位：Executive Summary、§2、Appendix B/D
合成赔案文本到结构化变量与分层分析的概念验证；两位临床评阅者按量表审阅核心变量。；合成数据和专家量表不是实赔准确率；分层准备金示范不证明真实准备金充分或寿险适用。
核查 2026-10-20 · 下次复查 2026-11-20
· 测量修订
财务验收从单个答案转向完整工作簿
FINCH的任务围绕跨表、跨文件的财务工作，验收关注整个请求有没有完成。
实际结果：作者以人工检查完整产物作为质量参照，并校准自动评价；可接受等价公式和布局。
现在可做：为工作簿保留更新前版本；同时验证新数字、公式仍可用和其它内容未被误改。
展开工作变化、研究配置与证据
改变的步骤：不能只比较一个数或要求与参考表布局完全相同；公式、覆盖和非预期修改都影响接收。
以前：一个答案正确就算交付，或按单元格完全一致误拒合法实现。
现在：关键数值重算、依赖检查、范围差异和可读性共同验收。
配置与口径：FINCH v1的组合工作流与评价方法；不是截至今天所有模型能力排行。
适用边界：未运行该基准；自动裁判也可能错，关键错数不能靠平均分补偿。
- FINCH：按完整财务工作簿验收 ↗
2025-12-15 · 定位：§2.2工作流组合；§2.3验收；§3.2.1自动与人工比较
跨表工作流应检查数值公式、覆盖、非预期改动与可读性，并接受等价实现。；旧版本基准方法，未运行其任务；不能把自动裁判一致性或旧模型成绩充当当前现场能力。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
· 测量修订 · 资料修订 2026-04-15：使用v5论文方法和结果；保留旧P-F-FINCH的v1历史范围，不覆盖旧记录。
Finch v5分开完整财务工作流人评与自动评价
完整workflow结果与自动judge结果需要分别报告。
实际结果：GPT-5.1 Pro产品代理人评66/172、自动72/172；是历史workflow口径。
现在可做：为联动簿先保存来源、公式与非目标区域基线。
展开工作变化、研究配置与证据
改变的步骤：支持W-F01接收整包文件，不能用自动judge替代关键数字和公式核对。
以前：容易以一个答案或自动评分代表财务交付。
现在：以完整请求为单位，核对实际文件及独立计算。
配置与口径：v5；172 workflows/384 tasks；产品代理外部浏览开启，历史聊天关闭；不同API baseline不合并。
适用边界：不声称v1到v5模型能力提高，文档修订日不充当能力变化日；本例未测。
- Finch v5：完整财务工作流的人评与自动评价 ↗
2025-12-15；v5 2026-04-15 · 定位：Evaluation / Human evaluation / Main results；官方实现 https://github.com/FinWorkBench/Finch
作者报告172个复合workflow、384任务，区分产品代理、API及人工/自动评价。；模型与配置属于论文历史版本；公开的是数据及评价管道，xlwings/本机Excel是环境依赖；不是现成通用财务代理。
核查 2026-10-20 · 下次复查 2026-11-03 · 已到期待复查
· 测量修订
FinGAIA展示金融取材与计算子能力，角色名需核对实题
金融角色标签下的公开例包含财报取数、新闻识别、回撤计算和基金持仓查找；不能仅按标签当作专业决策测试。
实际结果：公开例Fig6核对财报事实，Fig7识别新闻音频中的公司，Fig8计算历史回撤，Fig9含图像计数、基金排序和持仓查找；可参考这些子能力，不能推授信、欺诈检测或配置优化。
现在可做：用真实职责对应的脱敏信用或风险案例，独立核对事实、计算和反证；审批、调查行动及长期结果另设状态验证。
展开工作变化、研究配置与证据
改变的步骤：多模态资料、网页与计算可以由同一Agent协调；评价其工作适用性时必须检查实际输入和终点，而非继承角色名称。
以前：只给固定上下文的知识或计算题，无法检查主动取材与专业问题组织。
现在：可把取材/历史计算用作局部参照；完整职业交付须另有对应的专业案例和最终状态验收。
配置与口径：FinGAIA v1，407题/10Agent的历史零样本网页/附件环境；实际样例见Appendix A。角色分类不作专业能力映射，正文及附表分母不同，不引用统一职业完成率。
适用边界：旧网页/附件配置；实际样例与角色名存在差距，正文与附表口径不一致，不作为本业务专业成功率。
- FinGAIA v1：具体信用、风险、配置任务 ↗
2025-07-23 · 定位：Table2、Agents/Evaluation Methods、Table3及AppendixB
多模态、多工具的金融资料取材与计算评估；专业角色标签须对照Appendix A实际任务。；Fig6为财报事实/实体核对，Fig7为新闻音频识别，Fig8为历史回撤计算，Fig9含图像计数、基金排序与持仓检索；这些样例不直接测授信、欺诈检测或配置优化。正文与附表口径也有差异，不使用统一专业成功率。
核查 2026-10-20 · 下次复查 2026-11-20
· 测量修订 · 资料修订 2026-10-19：项目原论文发表于2025-07-22；当前固定仓库快照为2026-10-19。v2注明2026-06发布但未列日，不能把快照日冒称新能力首次公开。
复杂税表有可检查模型产物，验收须看整份
TaxCalcBench固定TY25案例保留模型生成税表、逐行判定和整份严格结果，便于检查真实产物。
实际结果：固定快照中ty25-ca-001的一份gpt-6.1-sol high无web结果报告整份严格通过，并保存115.41秒和$0.093068估算生成成本；它是一份选中成功产物。
现在可做：针对同法域同税年的新案例加入资格边界和跨表差错；隐藏参考输出盲验整份，再记录全部重试、人时和提交状态。
展开工作变化、研究配置与证据
改变的步骤：税务Agent的候选输出可沿完整税表逐行追溯，不只展示回答或局部算式；整份通过与部分字段正确被分开。
以前：只看答案或若干行数值，难以发现资格、跨表和州/联邦衔接差异。
现在：保存输入、输出及逐行评分后，可以核对整份候选是否一致，再单独验证申报回执。
配置与口径：ty25-ca-001，gpt-6.1-sol high无web；报告严格通过、115.41s、$0.093068(litellm_estimate)，仅保存完成次成本，未本站复跑。
适用边界：项目版本和保存产物核查；按最佳thinking展示的单次保存结果不支持一般稳定性或端到端申报完成率。
- TaxCalcBench固定TY25评估产物 ↗
2026-10-19固定快照；v2于2026-06发布，未列日 · 定位：TY2025表格、结果口径与Known issues；固定2026-10-19 commit
PDF输入、州及联邦计算和保存输出可审阅。；通常每配置单次保存结果，按最佳thinking设置展示，部分模型覆盖不足；生成成本不等于端到端报税成本。
核查 2026-10-20 · 下次复查 2026-11-20
- TaxCalcBench TY25一个可检查成功产物 ↗
固定2026-10-19快照 · 定位：逐行expected/actual及Strictly correct return、API Usage and Cost
一个保存的模型评估文件，可检查逐行比较及成本口径。；单个作者自评产物、未本站重放；选中成功例不证明新案例稳定性或提交成功。
核查 2026-10-20 · 下次复查 2026-11-20
此前收录的背景材料 · 3项
保留旧链接与阅读上下文。以下材料按时间筛选，不参与上方进展类型筛选；可能与当前重点重合，不重复计为独立证据。
公开 2026-08-12 · 修订 2026-09-28
金融研究评测开始逐项追查证据与交付要求
金融研究不止是找到一个数，还要跨来源回答开放问题；rubric是能逐项核对的验收要求。
8月的FrontierFinance将研究问题和来源化要求结合；9月28日榜单列出不同模型与工具框架的结果。榜单55.9%指Fable 5.1配Finance Agent v2的条款满足宏平均，不能读成55.9%的金融工作已完成。
8/12是论文首稿；9/28是榜单更新标签；10/16为本站核查。不是同一系统的连续控制实验。 · 本站核查 2026-10-16
对应工作与阅读材料
对具体工作的意义
- 取数之后仍要检查每项重要判断的出处和时间
- 团队验收可逐项列必要要求，再判断缺的是资料、推理还是交付
展开限制、待观察项与原始来源
- 框架、工具调用、时间与推理配置共同影响结果；不能只归功于模型
- 公开成本不含全部搜索、索引与人的复核；不当净收益
- 8月论文的Samaya高努力系统56.0%与9月Fable 5.1的55.9%是不同系统；不能画成能力下降或直接算进步
- 观察相同配置留出任务的改进，以及是否减少真实异常核验和返工
FrontierFinance论文与金融研究评价 ↗ · 核查 2026-10-16
原文定位与适用范围
§3与§5.1、表4。220道查询与来源化验收项的金融研究评测
条款满足率不是完整交付率，模型裁判有误差，未测本团队成本。
原始公开 2026-08-12 · 本站观察 2026-10-16 · active
FrontierFinance运营方榜单：9月28日快照 ↗ · 核查 2026-10-16
原文定位与适用范围
System Performance；Updated September 28, 2026；Notes。发布方榜单的指定系统、工具预算与费用口径
动态页面，本次读取仍标9/28；不同系统/日期不能直接相减为模型进步。
原始公开 未知 · 本站观察 2026-10-16 · active
公开 2026-05-25
专业任务基准开始关注委派偏好
选择员工希望委派的工作，再评估多文件专业推理。
JobBench将偏好导向选题与多文件证据链验收连接起来。
10月19日补充阅读；研究原始公开日如上，补录日不是新能力发布时间。 · 本站核查 2026-10-19
对应工作与阅读材料
对具体工作的意义
- 核对原始输入、工具条件、产物验收与人的贡献
- 技术能力、个人效果、组织效果和劳动市场结论分层判断
展开限制、待观察项与原始来源
- 本站未复现实验，未验证当前团队或个人收益
- 方法相邻，不能推算职业替代或招聘人数
- 愿意委派不等于实际采用；产物得分不等于净省时
- 先形成可检查的作品或有限试点安排，必要时保留原决定
JobBench：专业证据推理与委派偏好 ↗ · 核查 2026-10-19
原文定位与适用范围
§2.1–2.3；附录E；§3.1。选题与链式评分方法
偏好用于选题；基准没有测量员工采用、满意度或净省时。
原始公开 2026-05-25 · 本站观察 2026-10-19 · active
公开 具体日期未知 · 修订 2026-02-10
财务AI的验收单位，正在从答案转向可交付工作簿
单题问答核对一个答案；工作交付还要检查来源、期间、格式、异常和接收标准。
本轮精选GDPval的一份虚构巡演损益表：同一产物需汇总不同来源并维持期间、币种与计算一致。它帮助设计验收，不是AI已完成你报表的证据。
GDPval初始发布为2025-09-25；本次材料固定revision于2026-02-10发布。单项任务首次公开日未知；2026-10-16核查，不标为本周突破。 · 本站核查 2026-10-16
对应工作与阅读材料
对具体工作的意义
- 把取数、运算、对账拆开，保留可回到原资料的路径
- 求职作品和成员样例可展示怎样发现异常，而非只有最终图表
展开限制、待观察项与原始来源
- 这是虚构会计产物，与F01财报问答相邻；不涉及投资推荐
- 未运行模型；没有该样本的本站成绩或净收益
- 站内PoT与FinanceBench回答不同设置的问题：程序复算改善答案不意味着资料检索或全流程已可靠
- 观察跨文件重述、零分母与来源缺失能否被稳定识别
GDPval公开任务：虚构巡演损益表 ↗ · 核查 2026-10-16
原文定位与适用范围
task_id 7b08cd4d-df60-41ae-9102-8aaa49306ba2；train；参考工作簿与rubric。固定revision 11e7900cdcac61bc4daf59e65feb238acda98fbf；会计任务产物参考；该revision发布于2026-02-10，单项任务首次公开日未知
本轮核对题目、rubric和工作簿表头，未执行任务；未找到明确许可，只链接与摘要，不复制文件或rubric。
原始公开 未知 · 本站观察 2026-10-16 · active
把这项变化用于自己的问题
理解进展可以止于阅读。需要行动时，把同一交付标准带到职业方向、岗位要求或团队安排。
未来3–5年：2029–2031
2029–2031：从文件助手到连续财务与研究流程
跨文件金融模板与工作簿评估已提供完整交付的起点。更强推理与编程可把财务操作进一步串联，但组织数据与接收流程决定扩展速度。以下为编辑情景，非投资预测。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：常规更新和对账形成持续流水线
报告更新、对账、异常分流和备忘录刷新逐步合并；多数重复数值链由可追溯程序维护，AI处理变化与说明。
现在的行动：先固化来源追溯与重算，比较异常类型和接收耗时；让成员学会处理复杂差异。
成立信号与职责变化
- 跨期、重述和异构文件可稳定处理
- 关键数字与公式错误能在采纳前被检测
- 完整复核时间低于人工基线
财务与研究岗位更重口径、异常、模型假设和业务解释；基础训练仍须懂账和公式，才能诊断错误。
加速情景：企业财务状态可持续模拟和执行
若跨系统数据、权限与恢复形成可靠闭环，Agent可持续对账、更新模型并提出经营动作；在明确授权范围内自动执行低影响动作，部分管理分析也可委派。
现在的行动：把账务动作与研究建议区分授权，建立小范围可恢复试点；将节省时间用于新的经营分析，并持续重新评估职责。
成立信号与职责变化
- 跨部门系统状态可核对且异常恢复有证据
- 新业务口径可被学习、解释并通过独立验收
- 端到端错误和人工接管成本随规模下降
工作重心可能转向经营目标、资本取舍、客户与制度安排；不预设所有分析或审核会永久由人执行。
受限情景：数据与口径碎片化限制整合
模型会算会写，但数据授权、旧表格、重述和机构规则使完整流程难迁移；局部文件辅助继续有价值。
现在的行动：先治理高频来源与主键，减少重复口径争议；按可核查业务收益逐步投资，避免模板一上就当整岗替代。
成立信号与职责变化
- 接入与清洗成本高于重复业务收益
- 异常口径没有明确责任人
- 表格/系统变化频繁破坏自动链路
数据治理、财务制度和系统集成仍是主要投入；单靠换更强模型收益有限。
持续观察什么，以及情景的研究依据
- 实际月结和研究更新的端到端记录
- 异常接管、错数与恢复成本
- 跨机构/新业务可迁移范围及采纳后的结果
- 金融Agent模板：模型维护、对账与研究交付 ↗
2026-05-05 · 定位：New agent templates for finance work；跨应用交付
官方公开金融工作参考架构，包含报告到模型、总账对账和研究备忘录等跨文件交付。；发布说明和模板存在不等于已验证用户公司的流程、正确率或投资收益；客户节时引语未作证据。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- FINCH：按完整财务工作簿验收 ↗
2025-12-15 · 定位：§2.2工作流组合；§2.3验收；§3.2.1自动与人工比较
跨表工作流应检查数值公式、覆盖、非预期改动与可读性，并接受等价实现。；旧版本基准方法，未运行其任务；不能把自动裁判一致性或旧模型成绩充当当前现场能力。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Anthropic内部的工作与职责变化 ↗
2026-10-16 · 定位：Bottlenecks and process；采用非随机限制
单公司现场观察到Agent组织、上下文维护和注意力分配成为新的工作。；公司业务及采用选择特殊；产出代理量不等于完整业务价值，不外推行业岗位数量。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
工具与采用佐证：RD-Agent（实现资料已查）
补充佐证 · 工具与真实采用线索
这项工作，已经有哪些实现路径
论文之外，查看工具实现、公开项目与企业采用主张。下面每条都说明本次核查到了哪一层；项目热度和厂商比例不充当任务完成率。
RD-Agent：研究、实现与反馈可以形成循环
对金融研究备忘录和可重放分析包提供相邻运行方法：把假设、代码、结果与反馈一并保存。
查看实际核查、适用范围和下一步验证
原始主张：项目声明自动开展量化因子/模型研究，并提供数据科学场景。
已检查：固定commit的README、许可证、factor.py和model.py已读；可见研发循环、执行结果和失败反馈的实现入口。
仍不能推出：量化因子回测不等于财务对账或投资收益；本轮未复现其模型/回测，不采用README收益数字作本站能力结论。
下一步验证：选择截止时间锁定的公开数据，保留训练/验证/测试分隔、交易成本和全部候选，独立复算结果；与固定脚本比较人工复核时间。
核查 2026-10-19 · 484776c211e4fbbeef03e0ec00d6bbee7362a4f4
- Microsoft RD-Agent：研究循环实现 ↗
2026-09-23 · 定位：README及同commit下已记录的配置/测试/源码路径
固定仓库版本的实现资料只读核查；未执行该最新仓库的模型工作；不可把README展示结果当本站复现
核查 2026-10-19 · 下次复查 2026-11-02 · 已到期待复查
方法补充与职业来源关系
本期方法补充，怎样帮助我的判断？
当前阅读建议；整理 2026-10-21。与上方按原始发布日期筛选的进展分开，不改变历史窗口。
AI会做，不等于你已经省下工作 →
普通读者：分别复述能力、个人效果、组织效果、劳动市场四层；不知道的保持未知。
从模型能力到工作交付，中间还缺什么？ →
普通读者：说明模型到交付需要哪些条件；真实收益和岗位变化缺少证据时保持未知。
这是方法与准备材料，尚未证明本人的能力、团队收益或新增岗位需求。可以保持原决定。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：金融与财务 请解释这项进展实际做到了什么、改变哪项工作，以及证据没有覆盖什么。理解清楚即可，不要求建立个人档案、行动计划或决策记录。 公开资料： 本页公开资料：https://edgeofwork.com/explore.md?purpose=understand&domain=finance&version=2026-10-21.journeys.2&window=all&kind=all 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。