LLM 智能体能担任 CFO 吗？EnterpriseArena 132 个月的模拟揭示了巨大差距
只有Qwen3.5-9B在EnterpriseArena的132个月CFO运行中存活80%，而GPT-5.4和DeepSeek-V3.1均为0%。跳过账本对账导致失败。
#forecasting
预测
InvestorBench：Qwen2.5-72B以46.15%的CR登顶股票交易
InvestorBench：Qwen2.5-72B以46.15%的CR引领股票交易；金融调优的Palmyra-Fin在股票上适得其反——规模胜过领域微调。
大语言模型（LLM）对时间序列预测并无用处：NeurIPS 2024 对金融 AI 意味着什么
NeurIPS 2024 消融实验：从 Time-LLM 和 CALF 中去掉 LLM 反而提升准确率，训练速度最多快 1,383 倍。金融 AI 应使用专用模型。
FinBen：在 36 个金融任务中对大语言模型进行基准测试 —— 对会计 AI 的启示
FinBen 发现 GPT-4 在 FinQA 上精确匹配为 0.63，在股票预测上为 0.54，仅略高于随机，因此会计代理需要验证，而非原始 LLM 计算。