2026世界人工智能大会学术会议（WAICA 2026）于7月18日在上海正式拉开帷幕。作为大会金融AI领域的重磅成果，财跃星辰提交的学术论文《面向金融研报质量区分的共识驱动金标准评测基准》成功入选。该论文提出了一套面向金融深度研究的可扩展评测基准，首次构建了“共识驱动的金标准评分体系”，为行业评估Deep Research智能体的研报质量提供了客观标尺，有效破解了金融AI评测长期依赖人工、难以规模化的痛点。
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，汇聚了全球人工智能顶尖学者。财跃星辰此次论文入选，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权威认可。
随着Deep Research智能体在投研、行业分析等领域的快速渗透，金融深度研究智能化进程不断加速。然而，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评测高度依赖人工专家逐条制定评分标准并进行人工判分，不仅人力成本高昂、产能有限，还存在标准不统一、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。业内专家指出，模型迭代通常以天为单位，而人工评测以周甚至月为周期，两者节奏严重不匹配，导致研发团队难以获得量化反馈，进而限制了Deep Research智能体在强化学习训练中的进化速度。
针对这一行业难题，财跃星辰研究团队提出了一套无需人工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。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，并自动合成了14450条查询级候选评分标准。团队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，随后利用一致性过滤器与区分度过滤器进行两轮筛选，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系统的通过率呈现出清晰的梯度分化，从58.58%到22.23%不等，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。大规模自动生成的评测信号可直接作为奖励信号接入Deep Research智能体的强化学习训练流程，形成“评测驱动模型进化”的正向飞轮。该成果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。
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：在行业研究场景中，提升了产业链梳理与竞争格局分析的信息检索策略与逻辑链路；在投资分析场景中，补强了个股基本面与估值建模的数据引用准确性与分析框架完备性；在事件解读场景中，加快了政策与业绩等突发信息的影响链推理速度；在数据可视化场景中，优化了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。财跃星辰表示，未来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新闻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。
