我们提出 Investor's Last Exam (ILE)，一个面向买方机构投资者和基金经理的股票研究基准。ILE 包含三大核心要素：
-
版本化金融数据库，收录 3.43 百万条文档的多个版本，覆盖九类信息源，并配套结构化的市场数据。每条记录均带有经过验证的时间戳，用于严格控制信息检索和计算的时间边界。
-
任务分类体系，围绕专业分析师的交付物（如公司概览、财务模型、投资建议）组织任务，形成 86 项具体作业。
-
专家主导的评分框架，通过金融依赖图将评分标准、数据来源、计算过程和假设链条关联起来，实现对研究质量、预测准确性和模拟投资表现的统一评估。
在评测中，GPT‑6 Astra 与 Claude Opus 5.5 分别取得 68.1 分和 66.9 分（满分 100），但在“预测与模型”子项仅得 52.5 分左右，显示即便是最先进的模型也难以将整体研究能力转化为可靠的预测。
ILE 的创新在于将评估单元从孤立的能力转向 证据‑假设‑判断链，帮助研究者定位分析优势未能转化为投资决策的环节，为金融智能体的训练与评估提供可追溯、可诊断的基础。
点评