新闻 
华尔街彻夜难眠,Gemini 3屠榜金融"最难考试"
华尔街彻夜难眠,Gemini 3屠榜金融"最难考试"华尔街彻夜难眠,Gemini 3屠榜金融"最难考试"
三级考试论述题示例：探讨资产配置理论，比较两种资本资产定价模型（CAPM）的应用前提与估计精度，论证其适用差异。
结果显示：Gemini 3.0 Pro、Gemini 2.5 Pro、GPT-5、Grok 4、Claude Opus 4.1和DeepSeek-V3.1均依据既定标准通过了所有级别考核，部分成绩甚至接近满分。
Gemini与GPT-5双雄领跑
在一级考试（基础多选题）中，Gemini 3.0 Pro以97.6%的惊人准确率创下历史新高。GPT-5紧随其后，斩获96.1%，Gemini 2.5 Pro也拿到了95.7%的高分。即便是测试中表现“垫底”的DeepSeek-V3.1，准确率也高达90.9%。
来到侧重应用与分析（案例研究）的二级考试，GPT-5反超夺魁，准确率达94.3%。Gemini 3.0 Pro和Gemini 2.5 Pro分别以93.2%和92.6%紧随其后。
研究人员惊叹道，这些模型在此阶段的表现“近乎完美”。不过，“道德规范”（Ethics）板块依然是AI的软肋。数据显示，即便最强模型，在二级考试的道德类题目中也有17%到21%的相对错误率。
到了最复杂的三级考试（包含选择题与开放式问答），Gemini 2.5 Pro在选择题部分拔得头筹，准确率为86.4%。但在更考验生成能力的“论述题”环节，Gemini 3.0 Pro展现了统治力，得分率高达92.0%，相比前代模型的82.8%有了质的飞跃。
为了对开放式问答环节进行评分，研究团队使用了o4-mini模型来实现自动化批改。
研究人员坦言，这种做法可能会引入测量误差，并产生某种“篇幅偏见”（verbosity bias），即回答越长，得分往往越高。因此，这些测试结果只能视为基于模型的估算值。
通过标准沿用了过往合格标准：
一级考试要求单科不低于 60%，总分不低于 70%；
二级考试要求单科不低于 50%，总分不低于 60%；
三级考试则要求在选择题和论述题两部分中，平均得分率至少达到 63%。
研究人员指出，测试结果表明“推理模型的专业能力已超越初级至中级金融分析师的要求，未来甚至可能达到资深分析师的水准”。
如果说此前的大语言模型已经掌握了一级和二级考试中那些“既定的规范化知识”（codified knowledge），那么最新一代模型正在习得三级考试所必需的复杂“综合研判能力”（synthesis skills）。
当然，惯常的局限性依然存在。基准测试，尤其是选择题形式，只能作为评估模型能力和潜在经济价值的参考，犹如管中窥豹。
尽管如此，短短两年间从“不及格”到“近乎满分”的巨大飞跃，足以凸显 AI 在专业领域的进化速度之快。
[加西网正招聘多名全职sales 待遇优]
这条新闻还没有人评论喔，等着您的高见呢
结果显示：Gemini 3.0 Pro、Gemini 2.5 Pro、GPT-5、Grok 4、Claude Opus 4.1和DeepSeek-V3.1均依据既定标准通过了所有级别考核，部分成绩甚至接近满分。
Gemini与GPT-5双雄领跑
在一级考试（基础多选题）中，Gemini 3.0 Pro以97.6%的惊人准确率创下历史新高。GPT-5紧随其后，斩获96.1%，Gemini 2.5 Pro也拿到了95.7%的高分。即便是测试中表现“垫底”的DeepSeek-V3.1，准确率也高达90.9%。
来到侧重应用与分析（案例研究）的二级考试，GPT-5反超夺魁，准确率达94.3%。Gemini 3.0 Pro和Gemini 2.5 Pro分别以93.2%和92.6%紧随其后。
研究人员惊叹道，这些模型在此阶段的表现“近乎完美”。不过，“道德规范”（Ethics）板块依然是AI的软肋。数据显示，即便最强模型，在二级考试的道德类题目中也有17%到21%的相对错误率。
到了最复杂的三级考试（包含选择题与开放式问答），Gemini 2.5 Pro在选择题部分拔得头筹，准确率为86.4%。但在更考验生成能力的“论述题”环节，Gemini 3.0 Pro展现了统治力，得分率高达92.0%，相比前代模型的82.8%有了质的飞跃。
为了对开放式问答环节进行评分，研究团队使用了o4-mini模型来实现自动化批改。
研究人员坦言，这种做法可能会引入测量误差，并产生某种“篇幅偏见”（verbosity bias），即回答越长，得分往往越高。因此，这些测试结果只能视为基于模型的估算值。
通过标准沿用了过往合格标准：
一级考试要求单科不低于 60%，总分不低于 70%；
二级考试要求单科不低于 50%，总分不低于 60%；
三级考试则要求在选择题和论述题两部分中，平均得分率至少达到 63%。
研究人员指出，测试结果表明“推理模型的专业能力已超越初级至中级金融分析师的要求，未来甚至可能达到资深分析师的水准”。
如果说此前的大语言模型已经掌握了一级和二级考试中那些“既定的规范化知识”（codified knowledge），那么最新一代模型正在习得三级考试所必需的复杂“综合研判能力”（synthesis skills）。
当然，惯常的局限性依然存在。基准测试，尤其是选择题形式，只能作为评估模型能力和潜在经济价值的参考，犹如管中窥豹。
尽管如此，短短两年间从“不及格”到“近乎满分”的巨大飞跃，足以凸显 AI 在专业领域的进化速度之快。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: