# 金融Agent：跨文件一致性与客户级交付 前沿版本：2026-10-16.1；进展：ADV20 事实范围：2026-10-12；各研究的首发与修订日期见下方时间线 阶段：传统机器学习在部分风险和告警流程生产运行；生成式AI多为内部辅助，跨文件金融Agent缺稳定客户级交付证据。 状态：active ## 概念与例子：金融AI怎样从资料整理走到专业交付 金融工作会跨财报、表格、图表和备忘录反复核对时点、单位与公式。传统机器学习已用于部分风险流程，生成式AI更多承担检索、抽取和起草，成熟度不同。 表格里收入是一个数，幻灯片和备忘录却写成另一个数，即使每份文件分别看起来专业，也不能直接交给客户。 - 跨文件一致性：不同产物中的数值、口径、公式与结论相互吻合。 - Rubric验收条款：逐项检查交付要求，不等于整份产物可用的比例。 - 回测：在历史资料中模拟策略，不代表真实交易净收益。 - FY/AML：FY指财年，AML指反洗钱；这里的排序或告警工具与通用写作Agent不是同一应用。 - Agentic RAG：多轮决定检索哪些页面，再组合并核对答案的流程。 - PoT程序计算：模型生成程序来执行计算，再用结果回答；数字成绩依赖这套提示与执行配置。 ## 具体进展 ### 机构采用与传统机器学习应用 金融AI沿两条成熟度不同的路径发展：传统机器学习已用于信贷风险、支付欺诈和AML告警排序；生成式AI与Agent更多检索、抽取、起草和跨文件整理，仍由员工核对或决策。任务可分六类：①投研、尽调与信息抽取；②资管/量化研究并转入组合约束和交易成本；③信贷承保与文件处理；④保险理赔摘要和核保审阅；⑤支付欺诈及AML告警调查；⑥Agent跨文件生成Excel、幻灯片和备忘录。 日本央行FY24/25/26调查的已使用比例31.0%/50.3%/79.3%，各年样本155/153/150家，不是固定面板；常见用途是文稿和会议转录。FY26的136家使用或试用机构中，75家批准机密信息处理，其中67家还在客户服务中使用/试用，不能写成仅67家允许处理机密。[日本央行](https://www.boj.or.jp/en/research/brp/fsr/data/fsrb260824.pdf) 一项汽车贷款随机实验的公开摘要报告算法承保较人工贷款利润高10.2%、违约率低6.8%；这属于传统算法，不是生成式Agent。摘要未给全成本，不由利润差直接判断客户净收益。[信贷实验](https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2024.4986) 机构调查与汽车贷款研究摘要分别标明；当前不可读取的HSBC量化陈述未列作证据 对应材料：[日本央行](https://www.boj.or.jp/en/research/brp/fsr/data/fsrb260824.pdf)、[信贷实验](https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2024.4986) ### 金融检索和跨文件专业交付 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。[FrontierFinance](https://arxiv.org/abs/2608.11683) [Samaya榜单](https://samaya.ai/benchmarks/frontier-finance) 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。[BankerToolBench](https://arxiv.org/html/2604.11304) 既有研究报告的事实摘要与条件说明；具体引用在正文标注 对应材料：[FrontierFinance](https://arxiv.org/abs/2608.11683)、[Samaya榜单](https://samaya.ai/benchmarks/frontier-finance)、[BankerToolBench](https://arxiv.org/html/2604.11304) ### 多模态金融文件的跨页证据 FinMMDocR要求从长文档取数、跨页整合并计算答案：1200道中英双语题、837文件，65%需跨页证据，平均约11步。58%对应o4-mini-high的图像输入、PoT程序计算提示和0.2%数值容差，不是完整财报交付或生产准确率。[FinMMDocR](https://arxiv.org/html/2512.24903v1) 指定研究中视觉检索比纯文本有优势；多轮检索的Agentic RAG较慢，也会传播早期取数错误。优势限该检索器与模型配置，不是所有看图模型都优于OCR，本页不将旧基准当10月最新排行。[FinMMDocR](https://arxiv.org/html/2512.24903v1) 既有研究报告的事实摘要与条件说明；具体引用在正文标注 对应材料：[FinMMDocR](https://arxiv.org/html/2512.24903v1) ## 时间线 - 2025-12-31（预印本首稿 / 日期）：FinMMDocR同题预印本公开；本轮直接读取此版，未逐字比对期刊全文。 日期依据：arXiv v1记录；期刊入口本轮不稳定 - 2026-04-13（预印本首稿 / 日期）：BankerToolBench首次提交。 日期依据：arXiv v1；非实验日 - 2026-08-12（论文/项目页面发布 / 日期）：FrontierFinance的原始发布记录；不代表实验在该日完成 日期依据：arXiv首稿记录 - 2026-10-12（研究材料范围 / 资料截止）：这份研究摘要的资料范围，不是上述事件统一发生的日期。 日期依据：原研究报告事实范围 ## 工作意义 工作建议（编辑推断）：先试内部资料整理，并逐一核对跨文件的数字、公式与证据页；带客户资料、审批或交易的步骤需要相应权限和专业负责人验收。 投资研究若要算收益，须扣交易与运行成本，不能把检索分数当超额收益；本页没有这些净收益或现场工时数据。 ### 后续观察 若独立留出财报、跨季度误差和文件交付一致性持续改善，且客户公布集成、推理、复核、返工与错误损失后的单位成本，投研与文书辅助才更可能扩大；授信、理赔和交易执行仍应看审批边界。观察证据页与公式准确率、客户接受率、机密数据许可；资管还需样本外可交易标的、滑点与市场冲击，不能用回测替代实盘净alpha。 ## 证明材料 ### 日本央行 [日本央行](https://www.boj.or.jp/en/research/brp/fsr/data/fsrb260824.pdf)；类别：日本央行机构调查报告；状态：active 支持：各年调查采用率/样本数；136使用试用中的机密许可75、客户业务交集67，非统一权限数。 定位：PDF第5页Use of GenAI（印刷4）；第7页Applications（印刷6）；第10页Approved information types（印刷9）。 先区分三年样本与当前136家子集，再看75/67交集；调查采用不代表任务收益。 原始发布：未知；修订：未提取；PDF封面2026-08；精确首次发布日未核准 本轮读报告指定页面与图注；没有验证每家机构或真实工作效果。 2026-10-14书目信息，非实验复验。 ### 信贷实验 [信贷实验](https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2024.4986)；类别：汽车贷款随机实验：公开摘要；状态：active 支持：汽车贷款随机实验摘要的10.2%利润与6.8%违约率差异。 定位：期刊页Abstract、Article Information的Published Online。 传统算法承保与生成式AI分开；摘要未提供全成本，不推出净ROI。 原始发布：2024-04-30；修订：未提取；期刊Published Online 本轮读公开摘要及书目，未读/复跑全部实验或额外成本。 2026-10-14书目信息，非实验复验。 ### FrontierFinance: A Challenging Benchmark for Measuring Frontier Intelligence of Finance Agents [FrontierFinance](https://arxiv.org/abs/2608.11683)；类别：研究预印本；状态：active 支持：指定系统与条款满足率，不是全任务成功率。 定位：§3.1（220题）；§5/§5.1（工具与宏平均评分）；表4（结果）。 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。 原始发布：2026-08-12；修订：未提取；arXiv首稿记录 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。 2026-10-14书目信息，非实验复验。 ### FrontierFinance benchmark | Samaya [Samaya榜单](https://samaya.ai/benchmarks/frontier-finance)；类别：原始研究或机构项目说明；状态：active 支持：另一快照55.9%，未确认同预算控制比较。 定位：运营方2026-09-28榜单指定模型/Finance Agent v2行。 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。 原始发布：未知；修订：未提取；原页面未提取到可靠发布日期，保持未知 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。 2026-10-14书目信息，非实验复验。 ### BankerToolBench: Evaluating AI Agents in End-to-End Investment Banking Workflows [BankerToolBench](https://arxiv.org/html/2604.11304)；类别：研究预印本；状态：active 支持：100投行任务、跨文件交付与指定产物人工评审。 定位：§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）。 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。 原始发布：2026-04-13；修订：未提取；arXiv v1首稿记录 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。 2026-10-14书目信息，非实验复验。 ### FinMMDocR [FinMMDocR](https://arxiv.org/html/2512.24903v1)；类别：研究预印本：本页实际读取版本；状态：active 支持：跨页取数任务及o4-mini-high/PoT/0.2%容差结果。 定位：同题arXiv v1 §3/表2；§4.1/表3；§4.2、§4.5。 先核对v1的模型/PoT/容差；不能当当前最新排行。 原始发布：2025-12-31；修订：未提取；本轮实际读arXiv v1首稿；原期刊另列2026-03-14，未核全文一致 实际读取同题arXiv v1；原引AAAI期刊入口不稳定，未逐字确认两个全文一致。 2026-10-14书目信息，非实验复验。 ### Hindsight Structured Advice Distillation: Teaching a Small Model to Guide a Research Agent | Samaya [指导蒸馏](https://samaya.ai/blog/hindsight-structured-advice-distillation)；类别：原始研究或机构项目说明；状态：active 支持：用于说明：金融专业工作的背景、对照或后续观察。 定位：该官方调查/业务研究或评测论文的任务与结果说明；本轮未重核该入口，结果继承原报告。 先核对本材料自己的财年、人群与指标；不将传统机器学习效果迁移给生成式AI。 原始发布：未知；修订：未提取；原页面未提取到可靠发布日期，保持未知 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。 2026-10-14书目信息，非实验复验。 ### Frontier AI models outperform human experts on earnings prediction for the first time | Samaya [财报预测](https://samaya.ai/blog/frontier-ai-models-outperform-human-experts-on-earnings-prediction)；类别：原始研究或机构项目说明；状态：active 支持：用于说明：金融专业工作的背景、对照或后续观察。 定位：该官方调查/业务研究或评测论文的任务与结果说明；本轮未重核该入口，结果继承原报告。 先核对本材料自己的财年、人群与指标；不将传统机器学习效果迁移给生成式AI。 原始发布：未知；修订：未提取；原页面未提取到可靠发布日期，保持未知 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。 2026-10-14书目信息，非实验复验。 ### Can LLM-based Financial Investing Strategies Outperform the Market in Long Run? [FINSABER](https://arxiv.org/html/2505.07078v6)；类别：研究预印本；状态：active 支持：用于说明：金融专业工作的背景、对照或后续观察。 定位：该官方调查/业务研究或评测论文的任务与结果说明；本轮未重核该入口，结果继承原报告。 先核对本材料自己的财年、人群与指标；不将传统机器学习效果迁移给生成式AI。 原始发布：未知；修订：未提取；原页面未提取到可靠发布日期，保持未知 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。 2026-10-14书目信息，非实验复验。 本页整理：2026-10-14；事实范围：2026-10-12。概念解释与既有研究展开；元数据访问不是原始实验复验。 ## 变化与限制 金融评测分别检查研究条款、跨页取数和表格/幻灯片/备忘录一致性。指定产物的投行人工评审无人给出可直接发送档，文件外观专业仍需验收。 指定研究的编辑判断，未对本站任务做新的完整现场验证。地区、语言与人群另需适配。 来源→机制→任务适配，不分配来源分数给任务。 ## 原子影响 尚未建立本站原子映射，不硬配职业。 网页不授予业务权限，相邻研究不证明当前任务通过，未知保持未知。