FinFIRST：金融搜索 Agent 不只要答对，还要能溯源

FinFIRST：金融搜索 Agent 不只要答对，还要能溯源

蚂蚁百灵团队联合北京大学与中金公司投资银行团队公开的 FinFIRST，把金融搜索 Agent 的评测重点从最终答案扩展到信息检索、引用来源和全过程可追踪性。

一、金融研究为什么需要过程评测

金融问题往往没有一条简单的标准答案。研究员需要查找公告、财报、行业数据和历史信息，确认日期与口径，形成计算，再把结论写成可复核的研究交付物。只比较最后一段文字，很难发现来源过时、数字口径不一致或结论没有证据支持。

FinFIRST V1 围绕金融信息检索、来源引用和可追溯性设计任务，强调完整研究过程，而不是只做答案匹配。

二、基准规模与评分颗粒度

FinFIRST V1 包含 123 个专家编写任务、701 个原子评价标准和 12,300 个 rubric points。任务来自真实金融研究工作流，覆盖资料发现、证据核验、数据一致性和结论交付等环节。

这样的设计将一个“回答是否好”的问题拆成许多可检查条件：是否找到正确来源、来源是否支持陈述、数字是否一致、引用是否完整、结论是否超出证据范围。

三、对金融 Agent 的四项要求

1. 先确认数据，再组织答案

Agent 应保存来源名称、发布日期、访问时间和关键片段，避免把搜索摘要直接当作事实依据。

2. 让计算链可复核

涉及收益率、估值或财务比率时，应保留输入数据、公式、单位和舍入规则，不能只输出最终数字。

3. 区分事实、推断与建议

研究报告中，事实应有来源，推断应说明逻辑，建议应标明假设和不确定性。三者混写会放大金融场景的误导风险。

4. 把引用质量纳入发布门禁

引用缺失、链接失效、时间口径不一致，都应成为可阻断的质量问题，而不是交付后再人工补救。

四、FinFIRST 对通用 Agent 评测的启示

FinFIRST 的方法可以迁移到企业知识问答、市场研究和合规审查：把最终交付拆成“证据发现—证据绑定—推理计算—结果表达—引用回溯”五个环节，并为每个环节建立原子检查项。

真正值得信任的 Agent，不是偶尔给出漂亮答案，而是能在复杂信息环境中保持数据一致、证据完整和过程透明。对于金融等高风险场景，评测结果只能辅助决策，不能替代专业人员复核。

出处：Ling Team、Inclusion AI 等，《FinFIRST: Benchmarking Search Agents for Financial Information Retrieval, Sourcing and Traceability》，arXiv:2609.25192，2026-09-21，https://arxiv.org/abs/2609.25192

出处：蚂蚁，Ling Team、Inclusion AI 等，《FinFIRST: Benchmarking Search Agents for Financial Information Retrieval, Sourcing and Traceability》，2026-09-21，https://arxiv.org/abs/2609.25192。