< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
金融AI武道大会开赛！四道业务真题，出题人：猜不到最优解
Taste，决定天花板。
量子位 | 公众号 QbitAI
好久没看到这么神清气爽的AI比赛了。
AFAC2026金融智能创新大赛
，总算不是单纯刷分的「乏味Benchmark」。四道赛题，全部从真实金融场景中生长出来：
看盘面：识别机构交易行为与资金流向；
啃文档：将复杂保险PDF还原为结构化Markdown；
做实验：在稀疏反馈下完成自动化实验设计；
读长文：控制Token成本，对金融长文本精准问答。
是的，专挑金融这个最「地狱级」的训练场。
很多人可能不知道，模型发展到今天，金融垂直任务依然没能被啃下来。
以保险文档还原Markdown为例，一旦碰到大图片、大文档场景，模型在相关Benchmark上的平均分甚至会掉到0.1以下，即便是
这样的前沿多模态模型都够呛。
为何垂直场景落地如此困难？
归根结底，这是Agent层的工程问题。不是光靠参数Scaling就能吞掉的。
这正是AFAC2026大赛的核心宣言：
全员回归基础研究，一起探索模型如何在真实约束下，交付产业价值。
说实话，这可能是今年金融AI领域，最值得关注的一场比赛。
2026金融AI武道大会
赛题一：市场参与者交易行为识别与资金流向分析
普通投资者面对盘面，最无力的地方在于：你永远不知道屏幕另一头那笔大单到底想干嘛。
股票突然拉升，大单涌现，盘口挂出巨量买单。你捕捉到K线异动，准备追入风口。
但对面的真实目的，可能只是骗你进来接盘……
如何更好地识别交易行为，一直是市场最天然的刚需。
但难点也恰恰在此。在这片黑暗森林里，买卖双方都在想尽一切办法揣测对方的意图。
结果就是持续的对抗与升级：当某些资金行为被识别出来，真正使用这些手法的人就会反过来隐藏自己，甚至利用市场对这些信号的认知进行反向博弈。
蚂蚁集团财富保险事业群投研投顾技术负责人、AFAC大赛出题家纪韩
看来，这正是这道赛题最有趣的地方：资金识别这件事，从来不只是数学题。
从交易角度看，挂单、撤单、拆单，本质上是你与对手盘之间的一种沟通。这里面夹杂着大量意图，包括误导和制造假象。
最强的选手，赢在对社会、商业乃至人性的理解。
如今大模型的出现，为这场游戏提供了又一把新武器。它能从高频数值数据中，发现人类尚未总结出的隐含模式。
谁能优先利用并封装好这项能力，谁就能在股市里赢得真金白银。
但光是调用模型还远远不够，选手必须依托harness框架来设计机制。
L2行情数据的数据量极其庞大，如果硬塞进模型，哪怕是支持1M上下文的窗口也会直接爆掉，导致注意力机制失效。
因此，参赛者需要提前写好规则或现成代码，或者让模型调用工具，先把数据处理到可观察、可理解、可判断的状态。
在harness的实现层面，隐含了非常复杂的工程要求。
场景之外，这个赛题的评测规则也挺有意思。
作为一个瞄准产业落地的比赛，
这个赛题并没有强调「成本优化」
很反直觉，对吧？毕竟一提到落地，大部分人最关心的工程指标就是成本。
对此，出题家纪韩的解释是：
如果策略真的有效，其带来的潜在收益增强，可能让成本显得微不足道。
这是一场博弈。当你在纠结成本时，你的对手在倾尽全力调用最好的模型。
每个场景都有自己的价值函数，「成本」并非永恒的关键变量。
看盘这件事，你的首要目的，是赢过对手。
赛题二：复杂金融文档还原挑战
参赛选手需要设计并实现一个端到端的文档解析系统，将一张金融文档图片，完整、准确、有结构地转成Markdown。
注意这里有三个关键词：