专业行业
金融检索、跨文件Agent和多模态文档评测开始更接近实际产物，结果显示证据时点、公式与一致性仍有明显瓶颈。
整理 2026-10-14 · 研究材料截至 2026-10-12
先理解研究对象
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。
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。[1]
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。[2]
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
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。[3] [4]
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。[5]
对应材料：FrontierFinanceSamaya榜单BankerToolBench
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
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。[6]
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。[6]
对应材料：FinMMDocR
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
论文发布、修订、业务进度和资料截止分别标识。未披露的事件日不补成精确日期。
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。
arXiv v1记录；期刊入口本轮不稳定 · 日期
BankerToolBench首次提交。
arXiv v1；非实验日 · 日期
FrontierFinance的原始发布记录；不代表实验在该日完成
arXiv首稿记录 · 日期
这份研究摘要的资料范围，不是上述事件统一发生的日期。
原研究报告事实范围 · 资料截止
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。
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。
正文中的编号指向下列材料。材料类别、具体支持与限制一起阅读，不能按链接数量累计独立验证。
[1] 日本央行机构调查报告
日本央行
支持的内容：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。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[2] 汽车贷款随机实验：公开摘要
信贷实验
支持的内容：汽车贷款随机实验摘要的10.2%利润与6.8%违约率差异。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
本轮读公开摘要及书目，未读/复跑全部实验或额外成本。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[3] 研究预印本
FrontierFinance
支持的内容：指定系统与条款满足率，不是全任务成功率。
阅读定位：§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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[4] 原始研究或机构项目说明
Samaya榜单
支持的内容：另一快照55.9%，未确认同预算控制比较。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[5] 研究预印本
BankerToolBench
支持的内容：100投行任务、跨文件交付与指定产物人工评审。
阅读定位：§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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[6] 研究预印本：本页实际读取版本
FinMMDocR
支持的内容：跨页取数任务及o4-mini-high/PoT/0.2%容差结果。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[7] 原始研究或机构项目说明
指导蒸馏
支持的内容：用于说明：金融专业工作的背景、对照或后续观察。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[8] 原始研究或机构项目说明
财报预测
支持的内容：用于说明：金融专业工作的背景、对照或后续观察。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[9] 研究预印本
FINSABER
支持的内容：用于说明：金融专业工作的背景、对照或后续观察。
阅读定位：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。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
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。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
本页整理：2026-10-14 · 研究事实范围：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。
独立任务边界模块 2026-10-19.boundary.1 · 现今方法解释，不是新增职业覆盖率
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。
前沿推进 渐进；真实转化 较快；判断信心 中。这是定性范围判断，不是增长率或职业替代率。
现今补充 · 独立观察模块2026-10-19.observations.2；原前沿研究基准另行保留。
看使用和采用背景、固定测试条件与成本；读训练迁移和评测方法，再回到输入、交接与验收。
JobBench把委派偏好带入专业任务选题；能力、人的意愿、实际省时和岗位变化仍需分别核对。
用模型、运行系统、业务环境和验收四个环节，组织职业作品与团队取舍；这是编辑方法，不是厂商排名。
先确定消息、企业还是任务作为分母，再把观察带回自己的验收。
把题目/API费用、全部失败尝试、人工核验和最终交付放回同一个范围。
把记忆、组合、数学与信息处理需求展开，让工具选择和验收更具体。