Vals AI 发布 ClaimBench 基准：Perplexity Decider V1.2 在金融事实核验中领先

Vals AI 的新基准 ClaimBench 用 1960 条金融声明（配 10-K 文件节选）测试了 15 个模型，发现小型专用决策模型在成本上胜出。Perplexity 的 Decider V1.2 在金融事实核验测试中领先，说明在基于文档的声明核查任务上，紧凑的决策模型可以超越更大型的模型。这一结果为“企业级核验场景中，经济高效的模型可能胜过通用巨头”增添了新证据——在大规模部署时，每一点准确率的提升都对应着真实的算力账单。

• Alpha Signal2026-10-20 16:02
• Aravind Srinivas2026-10-20 17:50