《科创板日报》7月18日讯 （记者田野 王耐）2026世界人工智能大会·学术会议（WAICA 2026）将于7月18日在上海正式启幕。作为本届大会金融AI领域的代表性成果，大模型科技公司财跃星辰的学术论文《A Deep Research Benchmark with Consensus-Derived Gold Rubrics for Distinguishing Financial Report Quality》正式被大会录用。

该论文提出了一套面向金融深度研究的可扩展评测基准，首次构建“共识驱动的金标准评分体系”，不仅为行业评估Deep Research智能体的研报质量提供了客观标尺，更破解了长期以来金融AI评测依赖人工、难以规模化的核心痛点。

作为WAIC配套的顶级学术会议，WAICA 2026由姚期智院士担任大会主席，郑庆华、鄂维南院士出任程序委员会主席，汇聚全球人工智能领域顶尖学者，是AI技术成果学术含金量的权威认证平台。此次财跃星辰论文入选，标志着国内金融AI评测技术的创新成果获得了国际学术界的认可。

随着Deep Research智能体在投研、行业分析、产业调研等领域快速渗透，金融深度研究的智能化进程加速，但评测体系的滞后已成为制约行业发展的共性瓶颈。传统金融AI评测高度依赖人类专家逐条制定评分标准并人工判分，不仅人力成本高昂、产能有限，更存在标准不统一、主观性强、难以高频迭代等问题，无法支撑大模型时代的规模化产品迭代。

“模型迭代是以天为单位的，但人工评测是以周甚至月为周期的，两者节奏完全不匹配。”业内人士指出，传统评测模式下，研发团队无法快速获得量化反馈，Deep Research智能体的强化学习训练缺乏稳定的奖励信号，直接限制了产品的进化速度。

针对这一行业难题，财跃星辰研究团队在论文中提出了一套“无需人类专家参与最终环节”的自动化评测流水线，其核心创新在于“共识驱动的金标准评分标准”筛选方法。

为构建这套基准，研究团队基于104个真实用户金融查询，收集了10个主流Deep Research系统生成的1040篇研报，并自动合成14450条查询级候选评分标准。团队首先通过人类专家与大模型评审的对照实验，验证了大模型作为评审主体的可靠性；随后通过一致性过滤器与区分度过滤器两轮筛选，最终从海量候选标准中精炼出2600条高质量金标准评分规则。

实测结果显示，基于这套金标准体系，10个被测Deep Research系统的通过率从58.58%到22.23%呈现出清晰的梯度分化，既能够准确区分不同产品的能力层级，也充分验证了评测体系的有效性与区分力。

更具产业价值的是，这套评测流水线完全摆脱了对人工专家的产能依赖。移除人工瓶颈后，评测规模可以低成本、高频次地横向扩展，不仅支持批量对比不同系统的产出质量，其生成的大规模自动化评测信号还可直接作为奖励信号，接入Deep Research智能体的强化学习后训练流程，形成“评测驱动模型进化”的正向飞轮。

这项学术成果并非停留在纸面，已在财跃星辰自研的金融深度研究智能体“AI小财神”的深度研究模式中完成落地验证，成为产品持续迭代的核心牵引工具。

由于评测流水线实现了全自动化，研发团队将其深度嵌入产品的训练与迭代闭环：每一轮模型优化中，大规模自动生成的评测信号都可作为智能体强化学习的奖励信号，精准指导模型在报告规划、数据溯源、逻辑推理、分析覆盖度等多个维度定向改进。

具体来看，依托该评测基准的牵引，AI小财神已在四大核心金融场景完成持续优化：行业研究场景下，优化产业链梳理、竞争格局分析的信息检索策略与逻辑链路，提升研报专业深度；投资分析场景下，针对个股基本面、估值建模等任务，补强数据引用准确性与分析框架完备性；事件解读场景下，加快政策、业绩等突发信息的影响链推理速度与洞察深度；数据可视化场景下，优化研报中财务图表的生成准确性与文本解读的协同度。

作为业内首个基于真实用户需求构建、覆盖百级查询与千篇级研报的金融深度研究评测基准，该成果为整个金融Deep Research赛道提供了一把客观、可量化的“标尺”，结束了此前行业产品质量缺乏统一衡量标准的局面。财跃星辰方面表示，未来公司将持续深耕金融深度研究智能体的评测与优化技术，不断完善可扩展的评测基准体系，以评测驱动产品持续进化，推动金融研究智能化向更高水平迈进。

财跃星辰由上海报业集团旗下界面财联社与国内头部通用大模型公司阶跃星辰联合成立，聚焦金融领域大模型技术研发与场景落地。

（科创板日报记者 王耐）