跳到正文
热点事件观察中

Sakana AI 发布日文金融基准 JFinBench

2 篇报道2 个报道来源1 天前更新

先了解这件事

AI 综述

Sakana AI 构建并公开日文金融基准 JFinBench,题目取自日本 6 项金融资格考试 2026 年版,共 321 题,含 193 道选择题、128 道记述题和 12 道需读图题,覆盖会计、税务、理财与银行领域。团队同时公开数据集、评测代码和排行榜网站。 团队用该基准评测 12 个近期大语言模型:Claude Fable 5 与 GPT-6 Astra 总体准确率超过 93%,最佳开源权重模型 Kimi K3.1 Pro 比 Claude Fable 5 低 12 个百分点。 Sakana AI 称,构建该基准的验证耗时约每场考试 2 小时、合计约 12 小时,单次尝试限时 6 小时。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. RadarAI
    Sakana AI 发布日语金融基准 JFinBench,基于日本 6 项金融资格考试 2026 年版 321 题

    Sakana AI 构建并公开日语金融基准 JFinBench,题目取自公認会計士、税理士等日本 6 项金融资格考试 2026 年版共 321 题,含 193 道选择题与 128 道记述题、12 道需读图题。

  2. arXiv cs.AI
    JFinBench:基于最新认证考试的可持续刷新日文金融基准

    研究团队推出 JFinBench,一个取自 2026 年六项定期认证考试的日文金融基准,共 321 道题,覆盖会计、税务、理财与银行领域。评测 12 个近期 LLM 显示,Claude Fable 5 与 GPT-6 Astra 总体准确率超过 93%,最佳开源权重模型 Kimi K3.1 Pro 落后 Claude Fable 5 达 12 个百分点。

本事件热度走势

可比范围当前
7
可比范围峰值
1811月16日 23:00
近 24 小时变化
-50%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。