把 AI 前沿论文，
读成可用的判断。

通用 Deep Research 写不出合格的金融研报，因为金融研究的本质是「用截止日之前的证据，预判截止日之后的结果」。这篇论文同时给出考卷（FinanceGym：400 道专家标注题 + Point-in-Time 防泄漏沙盒）和答题方法（FinanceHarness 分层智能体框架）。结果：17 个顶尖系统全部低于 40 分，最强的 Claude-Opus-4.7 也只有 34.1 分；所有系统取证题 40–50 分、前瞻判断题仅 5–13 分——「AI 取代分析师」短期仍是伪命题，但证据收集环节的降本已真实发生。