FinEvo-Bench: A Longitudinal Benchmark for Self-Evolving Agents in Professional Financial Workflows
FinEvo-Bench 是一个纵向基准，包含 120 个基于真实案例的任务，覆盖六个金融领域的 20 个业务场景。每个场景包含六个相关但不同的案例，共享专业流程和人工审核的评分标准。研究使用 Qwen3.7-Max 作为骨干，比较了四种自进化 agent 框架，并使用 Claude Code 评分。Letta 取得了最高的进化分数（91.65）和最少合规问题（每任务 0.09）。
Development
- First ReportFinEvo-Bench: A Longitudinal Benchmark for Self-Evolving Agents in Professional Financial WorkflowsarXiv cs.AI
- Current Assessment金融行业对合规性要求高，FinEvo-Bench 将合规性作为评估维度，反映了行业需求。自进化 agent 在金融工作流中的应用可能提高效率，但需要确保合规。基准的发布可能推动金融 AI 评估标准的发展。Agent Pulse · analysis
FinEvo-Bench 是一个新的纵向基准，用于评估专业金融工作流中的自进化 agent。现有基准独立评估任务，无法衡量经验积累的效果。该基准包含 120 个真实案例任务，覆盖六个金融领域的 20 个业务场景，每个场景有六个相关但不同的案例，共享专业流程和人工审核的评分标准。研究使用 Qwen3.7-Max 作为骨干，比较了四种自进化 agent 框架，并使用 Claude Code 评分。Letta 取得了最高的进化分数（91.65）和最少合规问题（每任务 0.09）。
FinEvo-Bench 的设计强调纵向评估，通过共享流程和评分标准来测试 agent 从先前任务中学习的能力。使用多个打乱的任务流和配对非进化对照，可以量化自进化带来的增益。Letta 的表现表明，其记忆机制可能有效利用经验，但具体机制未在摘要中说明。
金融行业对合规性要求高，FinEvo-Bench 将合规性作为评估维度，反映了行业需求。自进化 agent 在金融工作流中的应用可能提高效率，但需要确保合规。基准的发布可能推动金融 AI 评估标准的发展。
对于金融企业，自进化 agent 可能降低运营成本并提高效率，但需关注合规风险。基准提供了评估工具，帮助企业选择适合的 agent 框架。
未来可能出现更多针对专业领域的纵向基准，评估 agent 的长期学习能力。自进化 agent 在金融等行业的应用可能增加，但需要更多研究验证其可靠性和安全性。