AI资讯

OpenAI 称 Terminal X 的 Eval Agent 用 GPT-6.1 Sol 在投资判断上匹配资深投资人 88.6%

来源OpenAI Blog查看原文

速览

  • OpenAI 官方博客披露 Terminal X 的 Eval Agent 采用 54 项评分规则
  • 该 Agent 由 GPT-6.1 Sol 驱动,用于对照基金委托要求做合规与偏离检查
  • 官方称其比对照方案多识别 25% 的偏离
  • 官方称其与资深投资人判断匹配度达 88.6%
  • 原文未给出评测样本、基准方案与基金名称

OpenAI 在官方博客中介绍,Terminal X 的 Eval Agent 依据一套 54 项标准的评分规则对输出进行打分,在使用 GPT-6.1 Sol 后,相比某基金的委托要求多识别出 25% 的偏离情况,并且与资深投资人的判断匹配度达到 88.6%。原文只给出这三个数字和产品名,没有披露评测方法、样本规模、基金名称或基准细节。

关键事实

  • Terminal X 的 Eval Agent 使用 54 项标准的评分规则(rubric)对输出进行评分
  • 该 Eval Agent 由 GPT-6.1 Sol 驱动
  • 使用 GPT-6.1 Sol 后,相比某基金的委托要求(mandate)多识别出 25% 的偏离
  • Terminal X 的判断与资深投资人判断的匹配度为 88.6%

本站视角

对国内做金融 Agent 的团队来说,这条信息的价值不在 88.6% 这个数字本身,而在于它示范了一种产品形态:把「资深投资人的判断」拆成 54 项可打分的规则,再用模型批量执行,卖的是审查效率而不是预测收益。做投研 Copilot、合规审查、基金委托偏离监测的团队可以直接对标这个思路——规则集才是壁垒,模型只是执行器。我们的判断是,这类指标目前更像营销素材:OpenAI 只给了匹配度和「多识别 25% 偏离」两个数字,没有交代样本量、基准方案是什么、由谁标注「资深投资人判断」,也没有说明 25% 的提升是相对旧模型还是相对人工。单一来源、无第三方复现,读者不宜把它当作模型在金融判断上接近人类专家的证据。需要观察的是,Terminal X 是否会在真实基金场景中公开可审计的评测细节;如果拿不出来,这个 88.6% 就只能算厂商自述。

背景与影响

Terminal X 属于把大模型用于投资研究与合规审查的一类产品,Eval Agent 的定位是用固定评分规则批量检查输出是否偏离基金既定的投资委托(mandate)。OpenAI 用「匹配资深投资人判断」作为卖点,说明模型厂商正在把金融场景当作展示推理与规则遵循能力的窗口。需要区分的是:88.6% 的匹配度并不等于投资业绩,也不等于合规结论可以直接由模型出具;这类指标通常依赖特定评分规则和特定样本,换一套规则或换一批标的,数字可能明显变化。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明