Finam AI Lab、LLM向け金融ベンチマークFINESSE-Benchを更新

Finam Artificial Intelligence Lab は、金融分野における大規模言語モデル（LLM）の知識とスキルを評価するためのベンチマークである FINESSE-Bench のアップデートをリリースしました。主な変更点は次のとおりです。CFA 相当のレベル 1 データセット内の問題点 169 問を修正。テクニカル分析の基礎に関する 781 問からなる新しい CFTe 相当のレベル 1 データセットを追加。よりロバストなモデル比較のため、ブートストラップ法による信頼区間計算に移行。ベンチマークグループごとの結果集計に層化ブートストラップ法を採用。データセットの識別力と飽和度を個別に評価（ほとんどの FINESSE 問題は中間ゾーンに位置し、良好な診断価値を提供することが判明）。モデルプールを拡充。合計 66 のシステムをテストし、そのうち 49 が全 11 ベンチマーク（FINESSE 8 つ + 公開 3 つ）をカバーしており、33 モデルがメインテーブルに含まれています。上位結果は GPT-5.5（試験系で 0.906、トレーディング/テクニカル分析で 0.876）、Claude Opus 4.8（試験系で 0.860、トレーディング/テクニカル分析で 0.856）などが達成しました。