評価ソース公式サイト
PRBench · Finance
Scale AI / 専門業務 · 実際の金融上の意思決定に関する質問に答え、専門的な判断、推論、リスクの説明を検証する。
AIサイシン での扱い観察中
配分採点対象外
元データの日時未確認
最終同期収集前
何を、どう測るか
Finance の全 600 問か Hard の 300 問のいずれかに固定し、検索ツール、推論設定、審査員のバージョンをそろえる。その問題セットの rubric 集計スコアを採用し、完全版と高難度サブセットを二重計上せず、専門的な質疑応答をエンドツーエンドの業務タスクとしても扱わない。
当サイトでの使い方
観察中：金融の専門的判断を補える。問題セット、ツール条件、安定したエクスポート、再表示範囲の確認待ちで、現在はソースを登録するのみで、自動収集も採点もしない。
評価の限界とデータの出典
モデル審査員による評価で、財務モデリングや表計算の作成をこなせたことを示すものではない。PRBench Legal、MCP Atlas と同じく Scale に属し、ランキングの数を増やして機関の重みを高めることはできない。
データライセンス：公式の問題セットと評価コードは公開されている。そのライセンスはリアルタイムのランキング成績には自動で及ばず、最新成績の安定したエクスポートと再表示範囲は確認待ち。
成績は Scale AI が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。