五个来源、五种销售额：怎样测试 AI 能不能当买方分析师

导读

金融知识题答得好，是否代表 AI 能完成一份买方研究？MandateBench 把评测放回基金要求到投资备忘录的完整工作：先处理资料冲突，再计算、推理，最后解释建议如何回应投资约束。Sonoco 示例里，五个销售额来源各有业务口径，Agent 必须核对收购和出售，重新界定分析对象，不能挑一个数直接估值。团队让模型连同备忘录提交推理图，把事实连回具体工具调用，再由有买方经验的专家列出必要分析步骤，并改变关键假设追问结论是否仍成立。这样，意见相反的研究也可能合格，评分看分析是否充分，而非猜中买卖方向。评测环境还需隔离和记录，防止借别的模型作答或改动评分程序；团队也关注不同框架的默认推理强度，避免比较时使用不一致的条件。