評価の出典公式の評価
PRBench · Finance
Scale AI / ビジネス業務 · 実際の金融意思決定の問題に回答し、専門的判断、推論、リスク説明を検証する。
News での扱い観察中
根拠の配分採点に使わない
元データの時点未確認
最後に同期に成功まだ取得していません
何をどう測るか
Financeの完全600問またはHard 300問のいずれかを固定する。検索ツール、推論ティア、審判のバージョンを一致させる。その題集のrubric集計スコアを採用し、完全セットと困難サブセットを重複して投票せず、専門Q&Aをエンドツーエンドのオフィスタスクとして扱わない。
この根拠の使い方
観察中：金融専門の判断を補完できる。問題集、ツール条件、安定したエクスポート、再表示の境界の確認待ちで、現時点では出典を収録するのみで、自動収集やスコアリングは行わない。
評価の限界とデータの出典
モデル審判による評価であり、財務モデリングや表作成を完了したことを意味しない。PRBench Legal、MCP Atlas と同じ 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。
データのライセンス：公式問題集と評価コードは公開。そのライセンスはリアルタイムリーダーボード成績を自動的にカバーせず、最新成績の安定したエクスポートと再表示の境界は未確認。
スコアは Scale AI が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。