汇率是双通道
同一汇率变动既改变公司报表的港元口径，也改变以人民币为本币的客户实际回报；两条通道不能只算一条。
跨境商用车集团研究备忘录
CZHY-FIN-MEMO-941 · 估值评级 · 汇率翻转点 · 三年现金安排
客户以人民币为本币投港股，汇率会同时改公司报表和实际回报。要在 20 张工作表的底稿上给出每股港元价值与评级、算出汇率走到什么水平评级会翻转、判断今后三年现金够不够用。
跨境投资估值评级汇率翻转点现金安排
22 份材料 · 20 张工作表
20 张工作表
16条评分判据
69最长参考轨迹 Agent 回合
2.42M单条轨迹累计 prompt tokens
01
数据特点
评级翻转要给出可复核的汇率水平
题目要求「港元与人民币的兑换关系变到什么水平时评级会翻转，所需幅度有多大」，并给出可复核的测算——这是一个具体的临界值，不是定性讨论。
敏感性比较要先说方法
「判断投资结论最敏感的要素，说明比较方法」：先交代怎么比，再给排名，否则排名本身无法验证。
三模型实测均分 0.4731
三个模型在同一套判据下作答，均分 0.4731。汇率的两条通道只算一条，是这道题最常见的失分方式。
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 · 2,153 chars
你是一家券商跨境财富业务的投资顾问，需要向跨境投资客户提交一份关于一家商用车集团的研究备忘录。客户以人民币为本币，通过港股通、QDII 或境外券商账户投资这家公司，汇率变化会同时影响公司报表和客户的实际投资回报。
跨境投资客户需要据此判断当前价格下的投资评级、估值弹性以及未来现金安排；备忘录应把材料中的信息转化为可以执行的结论，而不是只罗列数字。
任务
- 给出你认可的每股港元价值与投资评级，说明采用依据和是否建议投资。
- 假定其他估值要素不变，港元与人民币的兑换关系变到什么水平时，评级会翻转，所需幅度有多大？给出可复核的测算。
- 判断投资结论最敏感的要素，说明比较方法，给出一档阶梯及每股港元结果和评级升降。
- 给出你认可的年末现金余额和年度变动，判断未来三年现金能否满足需要，并说明你建议采取的措施及理由。
NOTE节选自题面，已省略交付物格式要求。
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 |
|---|---|---|---|
| 昭远科技_底稿.xlsx估值研究底稿：预测、估值与现金流等 20 张工作表 | xlsx | 20 张工作表 | 1.9 MB |
| 材料说明.md材料说明：币种、单位与期间口径 | md | 293 字 | 831 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，13 条二元判定 + 3 条五档评分，横跨 8 个评分维度。
- 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
结论正确性3
专业规范3
指令遵循2
事实忠实性2
数值与计算准确性2
分析与论证质量2
结构与组织1
安全合规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 | 23 | 1.43M | 109K | — | 完成作答 | |
| GPT-5.6-solCodex · Harbor | 80 | 2.27M | 70K | — | 完成作答 | |
| Qwen3.8-MaxClaude Code · Harbor | 31 | 2.42M | 118K | — | 完成作答 |
06
环境规格
| 任务 ID | CZHY-FIN-MEMO-941 |
|---|---|
| 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 | 2,153 字符 |
| 难度分级 | A3（三模型实测均分 0.4731） |
| 参考解 | oracle reward 1.000 |
| 底稿规模 | 20 张工作表 · 1.9 MB |
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