交付对象不是底稿原作者
读者是要快速作出研究安排的投资决策者，工作簿要能支持另一位研究员复算，机器可读摘要要能直接录入系统——三份文件服务同一个判断，但各自承担说明、计算和结构化记录。
海外软件企业增长质量与汇率判断
CLMR-FIN-FXCALC-005 · 增长口径 · 汇率传导 · 研究底稿可复用
两份增长资料合成一个判断：增长到底由什么驱动、汇率在报表和客户回报上各占多少、这批增长数据还能不能录进投研系统。要点是先把口径和尺度对齐，再谈哪个因素更敏感。
跨境投资增长质量汇率传导数据入库
33 份材料 · 4 张工作表
4 张工作表
16条评分判据
23最长参考轨迹 Agent 回合
1.36M单条轨迹累计 prompt tokens
01
数据特点
两份资料，两套口径
业务分组与营收台账、财务序列与季度概览分成两个工作簿，年度与季度、不同币种的数字要先对齐才能比较。
不要把不同尺度的数字直接比大小
倍数的单位变动与汇率的单位变动不是一个量纲，谁更敏感要看弹性而不是看绝对变化。
三模型实测均分 0.5702
三个模型在同一套判据下作答，均分 0.5702，但个体分差接近 0.35——口径和尺度没对齐的模型，后面每一条都跟着错。
02
题面节选
以下为 Agent 实际收到的题面节选（原文照录），用于展示任务设定与约束。
instruction.md · 4,384 chars
你是一家券商跨境财富业务的投资顾问。客户以人民币为本币，通过港股通、QDII 或境外券商账户投资境外标的，汇率变化会同时影响公司报表和客户的实际投资回报。
跨境投资客户正在评估一家海外软件企业的增长质量，并计划将本次材料中的增长数据收录到投研系统。系统中的数字会进入公司跟踪页面、行业比较以及后续研究讨论，因此研究员不仅要给出本次观点，还要形成可以继续维护的分析底稿。
报告需要能够独立阅读，工作簿需要支持另一位研究员复算，机器可读摘要需要支持系统录入。三份文件应服务于同一个判断，但分别承担说明、计算和结构化记录的功能。
NOTE节选自题面，已省略逐条业务问题与交付物字段定义。
03
附件清单
作答容器内可见的全部材料，统计由题包自动生成。原始文件随完整样例包提供。
| 文件 | 类型 | 规模 | 大小 |
|---|---|---|---|
| 增长资料_F.xlsx业务分组与营收台账 | xlsx | 2 张工作表 | 7 KB |
| 增长资料_K.xlsx财务序列与季度概览 | xlsx | 2 张工作表 | 8 KB |
| 材料说明.md材料说明：期间、币种与单位口径 | md | 236 字 | 570 B |
04
评分设计
16条独立评分判据
15 条得分项1 条扣分项
判据全文、权重与参考答案随完整数据包提供。
16 条判据，全部为二元判定，事实忠实性与论证质量各占 4 条。
- 16 条判据：15 条正向得分项，1 条扣分项（negate）
- 每条判据由独立的 Agent judge 逐条判定（individual 模式），可复现、可审计
- 判分凭据只注入 verifier 环境，作答容器看不到任何评分通道
- 判据全文与参考答案随完整数据包提供
分析与论证质量4
事实忠实性4
专业规范3
指令遵循2
结论正确性2
数值与计算准确性1
05
模型实测
前沿模型在真实 Agent 框架中的作答轨迹统计。一个回合即一次模型调用；上下文曲线展示长程任务中状态如何持续累积。
| 模型 | Agent 回合 | 工具调用 | 累计 prompt tokens | 峰值上下文 | 作答耗时 | 结果 |
|---|---|---|---|---|---|---|
| Claude Opus 4.8Claude Code · Harbor | 16 | 1.24M | 99K | — | 完成作答 | |
| GPT-5.6-solCodex · Harbor | 28 | 822K | 52K | — | 完成作答 | |
| Qwen3.8-MaxClaude Code · Harbor | 22 | 1.36M | 82K | — | 完成作答 |
06
环境规格
| 任务 ID | CLMR-FIN-FXCALC-005 |
|---|---|
| 任务格式 | Harbor task.toml · schema 1.4 |
| 题包版本 | 1.1.0 |
| Agent 时限 | 3 小时 |
| Verifier 时限 | 5 小时 |
| 作答容器 | 2 vCPU · 8 GB 内存 · 30 GB 存储 |
| 网络 | 仅用于 Agent 框架安装 |
| 工具集 | filesystem · shell · python |
| 判分隔离 | 独立 verifier 容器评分凭据只注入 verifier，作答侧不可见 |
| 题面长度 | 4,384 字符 |
| 难度分级 | A2（三模型实测均分 0.5702） |
| 参考解 | oracle reward 1.000 |
| 数据来源 | 真实卖方研究模型（金额缩放、主体脱敏） |
Contact
想在自己的平台上跑这道题？
留下联系方式，我们会提供该题的完整样例包（题面、附件、verifier 与参考轨迹），并介绍同类题目的规模与定制方式。
- 完整题包与 verifier
- 同子类更多题目
- 接入与复测支持