《徽声在线》7月18日讯 （记者林峰 陈晓）2026年世界人工智能大会·学术会议（简称WAICA 2026）于7月18日在上海盛大开幕。在本次大会的金融AI领域，大模型科技公司财跃星辰的学术论文《基于共识驱动金标准的金融报告质量深度研究评测基准》脱颖而出，被大会正式录用，成为该领域的代表性成果。

该论文创新性地提出了一套面向金融深度研究的可扩展评测基准，首次引入了“共识驱动的金标准评分体系”。这一体系不仅为评估Deep Research智能体的研报质量提供了客观、统一的标尺，还成功解决了金融AI评测长期依赖人工、难以规模化扩展的核心难题。

作为WAIC的配套顶级学术会议，WAICA 2026由姚期智院士担任大会主席，郑庆华、鄂维南两位院士共同出任程序委员会主席。会议汇聚了全球人工智能领域的顶尖学者，是AI技术成果学术含金量的重要认证平台。财跃星辰论文的入选，标志着我国金融AI评测技术的创新成果获得了国际学术界的广泛认可。

随着Deep Research智能体在投研、行业分析、产业调研等领域的广泛应用，金融深度研究的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评测高度依赖人类专家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，无法满足大模型时代规模化产品迭代的需求。

“模型迭代速度极快，而人工评测周期却相对较长，两者节奏严重不匹配。”业内专家指出，在传统评测模式下，研发团队难以快速获得量化反馈，Deep Research智能体的强化学习训练缺乏稳定的奖励信号，从而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。其核心创新在于采用“共识驱动的金标准评分标准”筛选方法，有效提升了评测的客观性和效率。

为构建这套基准，研究团队基于104个真实用户的金融查询需求，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系统的通过率呈现出清晰的梯度分化，从58.58%到22.23%不等。这一结果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。它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”的正向循环。

这项学术成果并非停留在理论层面，而是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。它成为产品持续迭代的核心牵引工具，为金融深度研究的智能化发展提供了有力支撑。

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。在每一轮模型优化中，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进行定向改进。

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：在行业研究场景下，优化了产业链梳理、竞争格局分析的信息检索策略与逻辑链路，提升了研报的专业深度；在投资分析场景下，针对个股基本面、估值建模等任务，补强了数据引用准确性与分析框架完备性；在事件解读场景下，加快了政策、业绩等突发信息的影响链推理速度与洞察深度；在数据可视化场景下，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”。它结束了此前行业产品质量缺乏统一衡量标准的局面，为金融研究的智能化发展奠定了坚实基础。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，专注于金融领域大模型技术的研发与场景落地。

（徽声在线记者 陈晓）