大家好，我是白祚，财跃星辰的CTO，很高兴可以在这里跟大家交流。
AI小财神Pro这个产品想必大家并不陌生，他可以帮助大家快速处理金融深度研究的复杂任务，像一个专业的金融分析师一样帮助大家解决各类问题，自从产品上线以来，受到了大家的广泛好评。
比起继续介绍小财神Pro的各项能力，我今天更想跟大家分享的是小财神Pro背后，由财跃星辰自主搭建的FinResearchBench，正是这个金融研究智能体框架，让AI小财神Pro的能力得到了显著的提升
我们知道，近年来，AI智能体发展迅速，正被广泛应用于金融、STEM（科学、技术、工程和数学）、软件开发等专业研究领域
在这些智能体中，“深度研究智能体”（deep research agent）是一个关键类别，因为它们可以执行长周期任务并解决更复杂的问题。
我们在研发AI小财神Pro的过程中，发现了2个问题
1.缺乏有效的评估工具： 尽管AI智能体用途广泛，但目前市场上缺少能够系统性、自动化地评估这些深度研究智能体能力的框架和基准 。
2.金融领域有一定特殊性：现有的评估基准大多是通用的，而金融研究问题具有独特的复杂性和精妙性（例如，特定的术语、逻辑和领域洞察），这使得通用评估方法难以胜任。
你还记得 2007 年第一款 iPhone 刚出来的时候吗？当时市面上只有功能机 —— 大家评判手机的标准很明确，无非是‘打电话清不清晰’‘待机时间长不长’‘按键好不好按’
但iPhone 突然带来了触摸屏、APP 商店、能上网看视频的新形态，它既不是传统功能机，也不是电脑，整个行业根本没有一套现成的标准来评价它：你没法用‘按键好不好按’来衡量它，也没法用‘待机时间’来定义它的价值。
既然没有裁判，那我们就来造一个裁判吧！
为了解决上述问题，提出一个专门针对金融研究智能体的评估框架，我们做了2个核心的动作：
1.创新的“逻辑树”评估法：
我们首创了一个基于“逻辑树”（logic tree）的“智能体充当评判者”(Agent-as-a-Judge) 系统 。
它不像传统方法那样直接评估最终报告，而是首先从智能体生成的研究报告中提取出底层的逻辑结构（即“逻辑树”），这个结构包含了核心论点、子论点和支持证据 。
然后，该框架利用这个提取出来的“逻辑树”作为中间信息，来对报告进行更全面、可靠和稳健的自动化评估。
这个评估过程结合了基于“逻辑树”形态的规则指标（如分析宽度、分析深度、信息密度 ）LLM评估（如逻辑一致性、清晰度、专业性 ）。
2.专注金融垂直领域
这是一个“金融导向”的框架，专门为评估金融研究智能体而设计。
为了确保评估的实用性和覆盖面，我们构建了一个包含70个典型金融研究问题的数据集。
这些问题覆盖了金融领域中7种最常见的任务类型 ，例如“特定股票分析”(Stock-Specific Analysis)、“行业分析”(Sector Analysis) 和“事件分析”(Event Analysis) 等
我们和近百位券商等金融机构资深从业者进行了数十场调研，访谈，以确保我们最终的评测框架是基于真正的金融研究工作中产生的，而不是我们的空想。
与其说我们帮AI小财神Pro 造了一个裁判，不如说是一个“金融专业的资深教练”
FinResearchBench的专业性和创新性，也得到了行业内权威机构的认可，我们的论文已被2025年第六届ACM人工智能金融国际会议 (ICAIF '25) 正式接收，并且，这项研究成果在会议上，作为案例进行了展示
ICAIF 是全球范围内AI和金融这个交叉领域重要的学术和行业会议，被收录的论文需要经过严格双盲同行评审 (Double-blind Peer Review)，
这意味着提交的论文必须经过多位（通常是三位或更多）该领域的匿名专家评审，只有高质量、具有创新性的研究才能被录用。
从发现金融AI 深度研究 “无标可依” 的痛点，到走访近百位金融从业者挖掘真实需求，再到首创 “逻辑树” 评估法、构建 70 个典型问题数据集 ——FinResearchBench 的每一步，其实都是财跃星辰在金融 AI 赛道上 “啃硬骨头” 的过程。
我们深知，金融领域的智能研究从不是简单的技术堆砌，它要贴合行业的精妙逻辑，要经得起真实业务的检验，更要突破 “通用框架难适配”“评估标准模糊” 的行业共性难题。
如今，FinResearchBench 获 ICAIF 收录，是认可，更是新的起点。未来在金融 AI 的探索之路上，还会有更多技术壁垒、场景适配的挑战等着我们。
但财跃星辰不会停下脚步 —— 我们会继续以 “解决行业真问题” 为初心，在复杂的金融逻辑与前沿的 AI 技术之间搭建桥梁，持续攻克难题。
逢山开路遇水搭桥，财跃的金融AI探索之路，也想邀请各位一同加入！
以下为完整的论文链接
https://arxiv.org/pdf/2507.16248
