491 页未裁剪原始披露
年报、半年报、一季报与发电量公告四份 PDF 原件,覆盖三个报告期,同一口径在不同期间的披露并不一致。
FIN-IB-DCF-001 · 自下而上的 DCF 估值 · A 股上市电力公司
在 491 页上交所原始披露上搭建从电量、电价到自由现金流的完整估值模型,交付工作簿、投委会报告和可复算的关键数字记录。
年报、半年报、一季报与发电量公告四份 PDF 原件,覆盖三个报告期,同一口径在不同期间的披露并不一致。
预测搭法、口径界定和市场参数全部由模型自行决定,但每个历史数字都必须追溯到原文位置,每个算出的数字都必须可复算。
Claude Opus 4.8 0.536、GPT-5.6-sol 0.436,Qwen3.8-Max 在 60 分钟时限内未能完成。前沿模型远未饱和,奖励信号有充分的上升空间。
题面明确逾期即缺交;模型需要在一小时内平衡论证深度与完整交付,这正是真实分析师工作的约束。
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。
你是一家证券公司电力与公用事业研究团队的分析师。投资委员会准备在下一次会议上讨论是否将某某电力股份有限公司纳入核心持仓,要求研究团队先提交一份自下而上的股权价值评估。
委员会的要求是:不接受可比公司乘数速算,要看到一个从电量、电价、成本逐层搭起来的现金流模型,并且模型里的每一个历史输入都要能追回到公司自己的公开披露原件。委员会成员会自行抽查你引用的数字,也会用你给出的输入重算你的结论。
以 2026 年 6 月 30 日为估值基准日,对某某电力做一次自下而上的盈利预测与现金流折现估值,并给出每股股权价值。显性预测期至少覆盖三个完整年度,之后用终值处理。预测的搭法、口径的界定、参数的取值都由你自己决定——委员会看的是你的判断和论证,不是某一套固定的算法。
四份资料覆盖三个不同的报告期,同一项口径在不同期间的披露未必一致。估值基准日与预测期第一年之间存在重叠——基准日之前的那一段已经是既成事实,并且已经出现在资料里。
NOTE节选自题面,已省略交付物清单与文件格式要求。
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 |
|---|---|---|---|
| company_2025_annual_report.pdf2025 年年度报告(经审计) | 259 页 | 1.5 MB | |
| company_2026H1_generation_bulletin.pdf2026 年半年度发电量完成情况公告 | 1 页 | 96 KB | |
| company_2026Q1_report.pdf2026 年第一季度报告 | 17 页 | 177 KB | |
| company_2026_interim_report.pdf2026 年半年度报告 | 214 页 | 1.2 MB | |
| MANIFEST.json资料清单(报告类型、期间、披露日与 sha256) | json | 2,031 字 | 2 KB |
判据全文、权重与参考答案随完整数据包提供。
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 | Reward |
|---|---|---|---|---|---|---|
| Claude Opus 4.8Claude Code · Harbor | 31 | 2.11M | 112K | 14m 32s | 0.536 | |
| GPT-5.6-solClaude Code · Harbor | 69 | 3.58M | 90K | 34m 46s | 0.436 | |
| Qwen3.8-MaxClaude Code · Harbor | 44 | 2.07M | 91K | 1h 0m | 达到时限 |
| 任务 ID | FIN-IB-DCF-001 |
|---|---|
| 任务格式 | Harbor task.toml · schema 1.4 |
| 题包版本 | 1.3.3 |
| Agent 时限 | 1 小时 |
| Verifier 时限 | 5 小时 |
| 作答容器 | 2 vCPU · 8 GB 内存 · 30 GB 存储 |
| 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 | 5,350 字符 |
| 难度分级 | A3(三模型实测均分 < 0.5) |
| 参考解 | oracle reward 1.000 |
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。