Hebbia测试GPT-6 Astra做金融研究:所需来源类型引用领先13.6个百分点,相关摘录占99.5%

OpenAI于11月20日发布客户案例称,金融研究平台Hebbia用预发布的GPT-6 Astra测试投研流程。在Hebbia的评分下,该模型在引用所需类型来源上比表现最好的对照模型高13.6个百分点,所引摘录中99.5%与问题相关,并满足97.9%的适用呈现要求。

发生了什么

11月20日,OpenAI在官网发布客户案例,介绍金融研究平台Hebbia如何把GPT-6 Astra用在投研流程里做测试。Hebbia的Matrix用于把答案和背后的文件对应起来。这次测试主要看两件事:模型能不能找到一道问题所需要的那类来源,以及能不能按银行家的要求,做成符合规范的演示文稿。

Hebbia方面在案例中表示,测试结果在输出质量和准确性上超出他们此前试过的模型,尤其是在上述两个环节。需要说明的是,这是Hebbia在自有工作流和评分标准下给出的对照,并不是一项公开排行榜。

关键细节和数据

测试使用的是2026年8月至9月的预发布版本,各模型面对同一批金融研究案例和同一套评分标准。领域专家编写或审核了这些标准,并对照源文件核对。案例没有公布对照模型的名称,只给出了相对“测试中表现最好的对照模型”的差距。

在引用所需类型的来源这一项上,GPT-6 Astra比表现最好的对照模型高出13.6个百分点;它所引用的摘录中,有99.5%被判定为与问题相关。在演示文稿方面,它满足了97.9%的适用呈现要求,比最好对照高出14.4个百分点,并且在“是否按简报执行”和“演示质量”两项上都排在第一。Hebbia方面说,过去常见的情况是模型只在其中一面突出:要么稿面好看但不守规范,要么能按要求写,但完成度不够。

官方案例用了一个假设情景来说明工作流:银行家评估收购一家工业软件公司,资料室里大约有2000份文件,需要判断收入是否扎实、与同行如何比较。分析师可以把资料装进Matrix,在带引用的单元格里查看客户集中度、合同条款和流失情况,再引入同行公告和行业新闻,最后按事务所模板生成尽调摘要和估值材料。用户可以打开一处引用,看到源文件和高亮段落;幻灯片上的脚注也能回到原始材料。这只是对用法的说明,文中并没有把它写成一笔已经完成的真实交易。

Hebbia方面还谈到,面对成千上万份文件时,哪怕几个百分点的提升也有实际意义;如果初稿更接近最终要交给合伙人的版本,花在改格式和核对来源上的时间就会减少。文中同时提到,未来也许会有智能体在后台监测信息、更早提示值得评估的信号,这是对下一步的设想,而不是已经上线并给出指标的功能。

为什么重要

投研里的判断往往对应大额资金,使用者需要能从一条结论走回原始表格或合同条款。只把演示文稿写得更像人工成品还不够,如果该看的文件类型没找到,或摘录与问题无关,返工会同样费时。把“来源是否找全、是否找对”和“稿件是否按规范呈现”分开衡量,比只报一个综合分数更能说明模型到底强在哪里。

影响和展望

这组数字来自Hebbia的内部测试,对照模型未具名,也不能直接外推到所有金融任务或所有部署方式。官方写明测的是预发布构建,案例也没有声称分析师的工作已经被全面替代。更值得关注的,是专业软件开始用可核对的引用和可检查的呈现要求,来约束模型输出,而不是只看文笔是否流畅。

参考来源

发布者:极致前沿,转转请注明出处:https://www.veryin.com/4860.html

赞 (0)
Signal默认阻止Gemini和Siri AI读取屏幕,以防系统智能体记下加密对话
上一篇 1天前
Hugging Face推出harness adapters:Qwen3.8-27B在pi框架上Terminal-Bench得分从39%升至55%,平均token用量减半
下一篇 1天前

相关推荐

发表回复

登录后才能评论