Terminal X 用 GPT-6.1 做投资判断评测，与资深投资人一致率 …
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，非原文转载评分方式与判定标准
Terminal X 的 Eval Agent 采用逐条比对的方式给输出打分，依据的是一套包含 54 项条目的评分表。每一条目对应一个可检查的维度，模型输出会逐项对照这些条目，而不是给出一个笼统的整体印象分。这套机制把评判拆成可复核的细项，使同一份输出在不同时间被评估时更容易得到一致结果。评分表本身是固定的，Eval Agent 的工作是把待评内容映射到这 54 项条目上，再汇总成结论。材料没有说明这 54 项条目具体覆盖哪些方面，也没有说明各项是否等权，因此只能确认条目数量与逐项打分这一做法本身。
偏离识别的提升幅度
在引入 GPT-6.1 Sol 之后，Eval Agent 在识别偏离某只基金授权范围的内容时，比此前多找出 25% 的偏离项。这个比例描述的是被判定为偏离的条目数量变化，而不是准确率或召回率的绝对值。换句话说，同一批待评输出中，新组合能标记出更多与基金既定要求不符的地方。材料同时给出另一个数字：Terminal X 的判定与资深投资者的判断一致率达到 88.6%。这两个数字分别指向不同侧面，前者衡量发现问题的多少，后者衡量与人工判断的吻合程度，材料没有交代两者的统计口径是否来自同一批样本。
与人工判断的对照
88.6% 的一致率是把 Terminal X 的输出与资深投资者的判断放在一起比较得出的。这一比较的意义在于，评估结果并非只与某个基准模型对齐，而是与长期从事投资判断的人的实际结论对照。材料没有说明参与对照的资深投资者人数、样本规模以及分歧如何裁定，因此这个数字应理解为在给定对照条件下的一致比例，而非普遍适用的准确度承诺。对于需要复核基金授权合规性的使用方来说，这一数字提供的是与人工判断接近程度的参考，具体是否采用仍取决于自身对偏差的容忍度。
适用边界与使用提示
从材料可见，这套方案面向的是对基金授权范围进行偏离检查的场景，核心能力是依据固定评分表逐项核对并标出不符之处。它的限制也来自同一处：评分表由 54 项条目构成，评估结果的好坏取决于这些条目是否覆盖了实际关心的要求；条目之外的维度不会被这套机制捕捉。此外，25% 的增幅与 88.6% 的一致率都是在特定配置下测得，材料未给出其他配置的对照数据。读者在参考这些数字时，宜将其视为该配置下的实测结果，而不是对所有基金、所有输出类型的通用保证。
为什么值得看
把大模型评测能力落到投资判断场景，给出了可量化的对齐指标与偏差检出提升。
信源1 家
关键事实
相关 · 模型
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。