52 万字招股书与审计报告
作答材料是招股说明书财务章节与财务报表及审计报告全文，题面另附 2 万余字的原文摘录。
某某环保收入确认审核问询
FINFRAUD-CN-0224 · 问询问题生成 · 科创板 IPO 审核
以交易所 IPO 财务审核专家的身份，围绕收入确认科目提出 5—8 个独立的实质性问询，每一问都要引用招股书或审计报告的原文。
IPO 审核问询生成原文引用收入确认
22 份材料
52 万材料字符数
6个必答问询目标
21最长参考轨迹 Agent 回合
896K单条轨迹累计 prompt tokens
01
数据特点
引用可被机器核验
每个问询都必须附原文引用，验证器逐条检查引用是否确实出自对应来源；编造引文直接失分。
惩罚模板化空话
一个问题只计一个独立审查目标，重复表述不重复计分；通用套话占多数会被扣分，逼迫模型真正读懂业务。
真实监管问询为锚
问询题的审查目标锚定交易所对该发行人的真实问询，而不是出题人的主观判断。
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 · 24,581 chars
你是上海证券交易所科创板 IPO 财务审核专家。请基于以下某某环保科技股份有限公司的披露原文，围绕收入确认科目提出 5—8 个独立审查目标的实质性财务问询。每个独立审查目标单独一项，避免通用科目清单和重复问法；问题应要求发行人补充可检验的解释或资料，并要求申报会计师取得相应核查证据。材料不足以证明的事项应作为待核实问题，不得作为既成事实。
招股书财务分析主要覆盖 2017—2019 年度、金额通常为万元；审计报告的合并附注明细金额为元，且列示 2020 年 1—9 月及 2017—2019 年度。期间与单位以各表为准，2020 年 1—9 月不得当作全年数据。
〔题面随后附有 2 万余字招股说明书与审计报告原文摘录，此处略〕
NOTE节选自题面，已省略输出结构与原文摘录。
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 |
|---|---|---|---|
| 01_招股说明书_财务章节.txt招股说明书 · 财务章节 | txt | 19 万 字 | 371 KB |
| 02_财务报表及审计报告.txt财务报表及审计报告 | txt | 33 万 字 | 503 KB |
04
评分设计
6个必答独立问询目标（区间 5–8）
判据全文、权重与参考答案随完整数据包提供。
按独立审查目标的覆盖率分档，同时考察问题精确度、引用归属与输出完整性。
- 引用必须是对应来源原文的子串，逐条机器核验
- 重复问法不重复计分，超量或无关列举降低得分
- 通用套话占多数时额外扣分
- 标准答案只存在于验证器构建上下文，作答侧不可见
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 · headless, offline | 20 | 896K | 96K | 8m 32s | 完成作答 |
该题所属题库的每一道题都附有一条 Claude Opus 4.8 完整参考轨迹（含全部工具调用与思考），轨迹不含标准答案与判分结果。
06
环境规格
| 任务 ID | FINFRAUD-CN-0224 |
|---|---|
| 任务格式 | Harbor task.toml |
| Agent 时限 | 30 分钟 |
| Verifier 时限 | 5 分钟 |
| 作答容器 | 1 vCPU · 1 GB 内存 |
| 网络 | 完全离线（allowlist 为空） |
| 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 | 24,581 字符 |
| 所属题库 | FinFraud-CN-0917 · 1,106 题 |
| 题型 | 问询问题生成（553 题） |
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