Hugging Face发布EPSBench：首个针对AI财报预测能力评估的基准测试

摘要：Hugging Face推出了EPSBench，这是一款用于评估AI智能体在季度财报预测中连接财务证据与公司收入报表项能力的基准测试。该基准测试涵盖149个季度数据，涵盖86家美国公司，通过分析财报、收益电话记录和新闻，AI智能体需提供基于证据的预测并转换为GAAP每股收益（EPS）。测试结果表明，现有模型在预测误差和置信区间覆盖范围上表现参差不齐，误差主要来源于对运营收入的估计不足。EPSBench的发布为AI在金融分析领域的应用提供了新的评估标准。

---

核心突破

Hugging Face推出的EPSBench是首个针对AI智能体在季度财报预测中连接财务证据与公司收入报表项能力的基准测试。该基准测试通过分析财报、收益电话记录和新闻，评估AI智能体在提供基于证据的预测并转换为GAAP每股收益（EPS）方面的能力。

技术机制剖析

EPSBench的架构包括以下几个关键组件：

1. 数据收集与预处理：AI智能体需处理固定集合的财报、收益电话记录和新闻数据。
2. 证据连接与预测：智能体需根据证据提供公司特定收入报表项的预测。
3. GAAP EPS转换：通过共享的会计处理器将预测转换为GAAP每股收益（EPS），确保不同模型的预测结果具有可比性。
4. 评估框架：通过与分析师共识的对比，评估点预测误差，并检查预测区间的覆盖率。

工程权衡与实测表现

测试结果表明，在六种模型中，有三种模型的点预测误差与分析师共识无显著差异，另外三种模型的误差较高。所有模型的80%置信区间覆盖率仅为37-70%，且大多数偏差出现在上限，表明预测普遍偏低。误差分析显示，运营收入估计是模型间误差差距的主要来源。

开发者落地与部署建议

EPSBench为AI开发者提供了一个标准化的评估平台，帮助他们识别模型在财务预测中的不足之处。开发者可以针对以下方面进行优化：

• 证据连接能力：提升AI智能体在处理复杂财务数据时的证据连接能力。
• 预测精度：通过改进模型架构或训练方法，提高预测精度。
• 置信区间校准：调整模型以提高置信区间的覆盖率，确保预测结果的可靠性。

行业影响

EPSBench的发布不仅为AI在金融分析领域的应用提供了新的评估标准，还推动了AI在财务预测中的透明化和标准化进程。随着AI技术的不断发展，EPSBench有望成为金融AI模型开发与评估的重要工具。

---

消息来源：Hugging Face Daily Papers (2026-10-28)

—— 完 ——

主题标签： #Hugging Face 关注 #AI金融 关注 #基准测试 关注 #财报预测 关注 #EPSBench 关注