OpenAI称Terminal X的Eval Agent在88.6%情况下与资深投资人判断一致
据OpenAI介绍，Terminal X的Eval Agent依据54项标准评分，使用GPT-6.1 Sol时对基金授权偏离的检出量增加25%。该结果为供应商说法，未披露评测细节。
AI解读：来源只给出上述两个比例，未说明对比基准、样本规模、具体基金及判断一致率的计算方式，也未提供独立复现结果。因此这些数字只代表OpenAI和Terminal X的说法。
OpenAI官网发布消息称，Terminal X的Eval Agent在评估输出时与资深投资人的判断一致率达到88.6%，使用的是GPT-6.1 Sol。OpenAI同时称，该Eval Agent按54项标准组成的评分表打分，使用GPT-6.1 Sol后，对偏离某基金授权要求的输出，检出量比此前多25%。
OpenAI披露的两个数字
OpenAI的消息给出了两个结果：一是Eval Agent与资深投资人判断的一致率为88.6%；二是在54项标准评分表下，对基金授权偏离的检出量因改用GPT-6.1 Sol而增加25%。
消息未说明25%的对比对象是哪一版本或哪种配置，也未交代88.6%一致率对应的样本量、任务类型和判定口径。
- 主体：Terminal X的Eval Agent，使用GPT-6.1 Sol
- 评分方式：按54项标准组成的评分表打分
- 结果一：与资深投资人判断一致率88.6%
- 结果二：对基金授权偏离的检出量多25%
适用范围的限制
两个比例都只针对OpenAI消息中描述的基金授权评估场景。检出量增加25%并不等于人工复核可以取消，88.6%的一致率也不代表在全部投资判断任务上有效。
来源没有给出误报率、漏报率及不同基金之间的差异，因此无法据此推断该Eval Agent在其他合规或投研场景中的表现。
- 上述数字仅适用于OpenAI所述的“某基金授权”偏离检出场景
- 来源未披露样本规模、误报率和漏报率
- 未提供第三方复现或独立评测结果