FinProBench: Evaluierung von Finanz-AI-Agenten mit rollengestützten Rubriken von professionellen Lieferergebnissen

arXiv:2608.04077v1 Ankündigungstyp: neu Zusammenfassung: Die Evaluierung von Finanz-AI-Agenten erfordert Kriterien, die an reale berufliche Arbeiten ausgerichtet sind. Bestehende Rubrik-Methoden leiten Kriterien typischerweise von Task-Prompts oder Modell-Ausgaben ab und übersehen implizite Standards, die nur in Praktiker-Lieferergebnissen sichtbar sind. Wir führen ein…