研究者推出FinancialAuditBench，基于差分隐私构建金融审计评测…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载用差分隐私造审计基准
FinancialAuditBench 是一套面向财务报表审计任务的评测基准，同时配套一个系统性生成合成审计业务的框架。其做法并非直接取用真实客户底稿，而是从历史审计中提取经过差分隐私处理的聚合统计量，把这些统计量当作贴近真实分布的“先验”，再结合审计专业经验来构造任务。论文列出的作者包括 Jerry Huang、Sarvesh Babu、Matt Van Buren、Alexander Wang、Pranav Pillai、Arush Jain、James P. Burton 与 Julia Hockenmaier，提交时间为 2026 年 9 月 26 日，编号 arXiv:2609.32835。这一路径的针对性在于：金融服务行业引入 AI 智能体后，需要弄清哪些环节可以放心交给模型、哪些环节仍需人工复核，但可用的专有数据或隐私敏感数据往往难以获取，评测因此受限。
90 个任务与 179 个文件
基准的规模由一组具体数字界定：共 90 个任务，覆盖 6 个合成审计业务，任务类型集中在工作底稿的编制与复核两类。每个合成业务平均包含 179 个文件，任务就分布在这些文件构成的工作环境中。这些任务与业务并非凭空编写，其开发与评审投入超过 1,100 小时的审计专业工作。与依赖公开数据、由人工或大模型撰写题目、或采用简化设定的既有基准相比，这里的差异在于任务来自贴近真实审计结构的合成业务，而非抽象化的题目；同时因为统计量经过差分隐私处理，生成过程不必直接暴露原始审计记录。适用范围上，它衡量的是审计场景中的智能体表现，而非通用能力。
十一个前沿模型的表现
论文对 11 个前沿模型做了评测。结果显示，这些智能体能够较好地完成相当一部分属于助理级人员的审计任务，但在某些情况下会执行不恰当的程序，或者产出错误的文档记录。这一结果指向的用法是：模型可以承担审计流程中的部分工作，但监督与专业复核仍然必要，不能因为任务完成度较高就省略人工把关。对读者而言，这意味着在把智能体放进财务审计环节时，需要按任务类型区分可托付程度，并保留对程序选择与文档正确性的检查。论文还指出，除财务审计之外，这套框架也可用于在隐私敏感领域系统性地生成合成任务，供模型评测与训练使用。
为什么值得看
为隐私受限的金融领域提供基于真实先验的智能体审计能力评测方案与合成数据生成思路。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。