FinEvo-Bench: Benchmark Longitudinale per Agenti Auto-Evolventi in Finanza

Un nuovo benchmark longitudinale chiamato FinEvo-Bench è stato sviluppato da ricercatori per valutare agenti auto-evolventi all'interno di flussi di lavoro finanziari professionali. Questo benchmark colma una lacuna nelle attuali valutazioni degli agenti, che spesso analizzano i compiti in isolamento e non considerano come l'esperienza di un compito possa migliorare le prestazioni in altri. FinEvo-Bench include 120 compiti basati su casi reali, coprendo 20 scenari aziendali in sei settori finanziari. Ogni compito è radicato in procedure professionali fornite dalle istituzioni, con casi idonei che offrono dati fattuali. Ogni scenario presenta sei casi correlati ma distinti, accompagnati da una rubrica revisionata per qualità e conformità. Il benchmark valuta quattro framework di agenti auto-evolventi utilizzando il backbone Qwen3.7-Max su tre flussi di compiti intervallati. Controlli non evolventi sono inclusi per misurare i miglioramenti. Questo benchmark mira a fornire una valutazione più accurata degli agenti in ambienti professionali, enfatizzando l'importanza di imparare dai compiti precedenti. L'articolo di ricerca è disponibile su arXiv con identificativo 2608.06144.