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。
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。
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。
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。
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。
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。
NOTE节选自题面,已省略交付物的字段定义与格式要求。
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 |
|---|---|---|---|
| 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 | xlsx | 7 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 | md | 464 字 | 1 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 | 结果 |
|---|---|---|---|---|---|---|
| Claude Opus 4.8Claude Code · Harbor | 20 | 1.17M | 77K | — | 完成作答 | |
| GPT-5.6-solCodex · Harbor | 55 | 1.83M | 65K | — | 完成作答 | |
| Qwen3.8-MaxClaude Code · Harbor | 96 | 6.37M | 123K | — | 完成作答 |
| 任务 ID | AYZZ-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) |
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。