Kando Data
中EN联系我们

送审盈利预测能否作为估值基础

AYZZ-FIN-REVMDL-006 · 新能源运营商 · 预测复核 · 高净值客户备忘录

在一份真实的卖方送审模型底稿上,判断预测盈利能不能直接当作定价起点,并说明哪部分可以采用、哪部分要暂缓:交付复核工作簿、中文备忘录与结构化结论三件。

盈利预测预测复核敏感性分析三件套交付
22 份材料 · 7 张工作表
7 张工作表
16条评分判据
89最长参考轨迹 Agent 回合
6.37M单条轨迹累计 prompt tokens
01

数据特点

底稿是真实的,不是为题目编的

材料取自一家风电与光伏发电运营商的卖方估值模型,经脱敏与结构重排;7 张工作表保留原有的比率关系与口径分歧。

要区分三种东西

原始数据、自己的计算、分析假设——读者不重建模型,只能靠你的交付物分辨这三者,任何一处混写都会让结论不可复核。

结论要说清「用到什么程度」

不是接受或否定二选一,而是要给出有条件的判断、两个不同领域的情景敏感性,以及决定何时重新审视的可观察触发条件。

三模型实测均分 0.5866

三个前沿模型在同一套判据下作答,均分 0.5866。最长的一条轨迹用了 89 个回合、637 万 prompt tokens——成本主要花在反复核对口径上。

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 · 4,678 chars

你是一家私人银行财富管理部的投资顾问。安益智造是以风电和光伏发电业务为主的运营商;高净值客户正在讨论是否将一份卖方送审模型中的预测盈利用作定价的起点。

客户关心的不只是预测给出了多少利润,还包括这些利润能否支持实际投资判断、哪些条件需要继续观察,以及在证据不充分时研究员应怎样处理。若直接接受或直接否定这份预测,都可能改变客户对投资的判断,因此你需要提交一份独立、可复核的中文备忘录。

任务

  • 判断送审盈利预测是否能够作为客户定价时的盈利基础,给出你采用的盈利起点、三年预测增长的概括,以及可以使用到何种程度的决策意见。
  • 以底稿中的经营和财务证据论证这一意见,说明你保留、调整或暂缓使用的内容与理由,并把重要处理对决策的影响说清楚。
  • 提供能够用于重新审视结论的敏感性分析与后续跟踪安排:至少选择两个不同领域、具有不同传导机制的重要因素,分别形成有数值的情景比较;并自行定义一个与当前决策有关的数值边界,反求至少一个因素达到什么水平会触及该边界。

NOTE节选自题面,已省略交付物的字段定义与格式要求。

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
安益智造_经营底稿.xlsx经营底稿:财务预测与估值模型,含历史期与预测期xlsx7 张工作表19 KB
材料说明.md材料说明:工作表结构与期间口径md464 字1 KB
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,14 条二元判定 + 2 条五档评分,覆盖数值准确性、结论正确性与论证质量。

  • 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
数值与计算准确性4
结论正确性3
分析与论证质量3
指令遵循2
专业规范2
事实忠实性2
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 · Harbor21201.17M77K—完成作答
GPT-5.6-solCodex · Harbor48551.83M65K—完成作答
Qwen3.8-MaxClaude Code · Harbor89966.37M123K—完成作答
063K125Kturn 1turn 89
Claude Opus 4.8GPT-5.6-solQwen3.8-Max纵轴:每回合上下文 tokens · 横轴:Agent 回合
06

环境规格

TASK SPECIFICATION
任务 IDAYZZ-FIN-REVMDL-006
任务格式Harbor task.toml · schema 1.4
题包版本1.0.0
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4,678 字符
难度分级A2(三模型实测均分 0.5866)
参考解oracle reward 1.000
数据来源真实卖方估值模型底稿(已脱敏并重排结构)
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

关于AYZZ-FIN-REVMDL-006 · 送审盈利预测能否作为估值基础

信息仅用于本次业务沟通。