Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体，要求模型只能使用决策时已经存在的材料，避免在预测过去事件时偷看后来的结果。
基准包含 86 项研究任务，并结合专业分析交付物、预测准确率和模拟投资表现评分。作者发现，研究报告写得好不必然转化为预测能力，强调应追踪证据、假设与判断之间的联系。
投资研究基准给 AI 加上信息时间边界
Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体，要求模型只能使用决策时已经存在的材料，避免在预测过去事件时偷看后来的结果。