金融AI武道大會開賽！四道業務真題，出題人：猜不到最優解

Jay 發自 凹非寺
量子位 | 公眾號 QbitAI

好久沒看到這么神清氣爽的AI比賽了。

名為AFAC2026金融智能創新大賽，總算不是單純刷分的「乏味Benchmark」。四道賽題，全部從真實金融場景中生長出來：

• 看盤面：識別機構交易行為與資金流向；
• 啃文檔：將復雜保險PDF還原為結構化Markdown；
• 做實驗：在稀疏反饋下完成自動化實驗設計；
• 讀長文：控制Token成本，對金融長文本精準問答。

是的，專挑金融這個最「地獄級」的訓練場。

很多人可能不知道，模型發展到今天，金融垂直任務依然沒能被啃下來。

以保險文檔還原Markdown為例，一旦碰到大圖片、大文檔場景，模型在相關Benchmark上的平均分甚至會掉到0.1以下，即便是GPT、Gemini這樣的前沿多模態模型都夠嗆。

為何垂直場景落地如此困難？

歸根結底，這是Agent層的工程問題。不是光靠參數Scaling就能吞掉的。

這正是AFAC2026大賽的核心宣言：全員回歸基礎研究，一起探索模型如何在真實約束下，交付產業價值。

說實話，這可能是今年金融AI領域，最值得關注的一場比賽。

2026金融AI武道大會

今年的挑戰組共設置了四個分會場——

賽題一：市場參與者交易行為識別與資金流向分析

普通投資者面對盤面，最無力的地方在于：你永遠不知道屏幕另一頭那筆大單到底想干嘛。

股票突然拉升，大單涌現，盤口掛出巨量買單。你捕捉到K線異動，準備追入風口。

但對面的真實目的，可能只是騙你進來接盤……

股市里藏著人。

如何更好地識別交易行為，一直是市場最天然的剛需。

但難點也恰恰在此。在這片黑暗森林里，買賣雙方都在想盡一切辦法揣測對方的意圖。

結果就是持續的對抗與升級：當某些資金行為被識別出來，真正使用這些手法的人就會反過來隱藏自己，甚至利用市場對這些信號的認知進行反向博弈。

在螞蟻集團財富保險事業群投研投顧技術負責人、AFAC大賽出題家紀韓看來，這正是這道賽題最有趣的地方：資金識別這件事，從來不只是數學題。

從交易角度看，掛單、撤單、拆單，本質上是你與對手盤之間的一種溝通。這里面夾雜著大量意圖，包括誤導和制造假象。
最強的選手，贏在對社會、商業乃至人性的理解。

如今大模型的出現，為這場游戲提供了又一把新武器。它能從高頻數值數據中，發現人類尚未總結出的隱含模式。

誰能優先利用并封裝好這項能力，誰就能在股市里贏得真金白銀。

但光是調用模型還遠遠不夠，選手必須依托harness框架來設計機制。

L2行情數據的數據量極其龐大，如果硬塞進模型，哪怕是支持1M上下文的窗口也會直接爆掉，導致注意力機制失效。

因此，參賽者需要提前寫好規則或現成代碼，或者讓模型調用工具，先把數據處理到可觀察、可理解、可判斷的狀態。

在harness的實現層面，隱含了非常復雜的工程要求。

場景之外，這個賽題的評測規則也挺有意思。

作為一個瞄準產業落地的比賽，這個賽題并沒有強調「成本優化」。

很反直覺，對吧？畢竟一提到落地，大部分人最關心的工程指標就是成本。

對此，出題家紀韓的解釋是：

如果策略真的有效，其帶來的潛在收益增強，可能讓成本顯得微不足道。
這是一場博弈。當你在糾結成本時，你的對手在傾盡全力調用最好的模型。

每個場景都有自己的價值函數，「成本」并非永恒的關鍵變量。

看盤這件事，你的首要目的，是贏過對手。

賽題二：復雜金融文檔還原挑戰

參賽選手需要設計并實現一個端到端的文檔解析系統，將一張金融文檔圖片，完整、準確、有結構地轉成Markdown。

注意這里有三個關鍵詞：完整、準確、有結構。

金融文檔不是普通的小作文。一份保險文檔，通常包含多級標題、密集表格、腳注和批注，每項信息都必須100%準確。

不過，為什么要做這件事？

以保險表格為例，壽險產品需要非常精準地告訴張三，在某年某月能領到多少錢。

這個數字從哪來？表格查詢。

經紀人拿到需求后，憑借直覺定位到第15XX頁的某一張表、某一個單元格，查出張三45歲時能領多少錢。

但用戶那么多，不可能每次有人問都讓經紀人幫忙查第幾頁、第幾個單元格。

機構當然希望能把這些文檔結構化。但問題是，金融文檔大部分是圖片或PDF，普通OCR能把字認出來，卻沒有智能。

這就引出了閱讀順序的問題。

人能一眼判斷閱讀順序，機器卻可能先讀右欄，再讀左欄；文字都認對了，意思依然亂掉。

結構，其實是語義極其重要的一部分。

大模型能很好地解決這個問題，但也帶來了新的約束——上下文。

金融文檔的超大圖可能有幾億像素點，光輸入就會撐爆窗口，何況輸出還可能長達十幾萬字。你不能指望一個模型硬吞整張圖。

因此需要一套端到端Agent工作流：先切分，再調用小模型分多次解析，最終拼回一份保真的Markdown。

很有意思，用螞蟻集團財富保險事業群保險智能科技資深總監、AFAC大賽出題家續興中的話說，拼接這套SOP的過程，有點像福爾摩斯辦案。

面對一個復雜系統，當需要提升效率或解決訓練不穩定的問題時，必須從基礎研究的角度去拆解和分析。
這要求研究員具備整體性思考能力，能精準分析、定位和歸因，就像偵探破案一樣。

值得一提的是，該賽題提供的模型底座是FinixDoc-VL，這是一個專門針對金融文檔優化的多模態模型。

FinixDoc是由螞蟻保算法團隊研發的一套面向金融文檔解析的端到端智能體式解析系統，核心模型FinixDoc-VL 基于4B級Qwen3-VL訓練。

此外，團隊構建了金融文檔難例評測榜單FinixDocBench，并開源了部分子集，覆蓋真實金融業務中的低質量、超長文檔和密集表格等難點場景，在該榜單中FinixDoc-VL取得81.43的綜合得分。

https://huggingface.co/datasets/inclusionAI/FinixDocBench

賽題三：稀疏反饋下的自動化實驗挑戰

這題比較與眾不同，更像在金融里搞科研。

參賽選手需要讓Agent像研究員一樣開展機器學習實驗，完成金融場景下的圖學習任務。

很多人以為AI比賽就是選個好模型，把數據丟進去訓練。但真實情況更像做菜。

你調一次火候，嘗一口；鹽多了下次少放，肉老了下次縮短時間。但問題是，這里每嘗一口都是成本，無論是食材還是時間。你的嘗試次數有限，最后還必須端出一盤讓客戶滿意的菜。

這就是「稀疏反饋下的自動化實驗」。賽題要求以金融圖學習為沙盒，讓Agent在預算限制的硬約束下，盡可能優化任務表現。

讀到這里，我最先聯想到Vibe Coding圈的一個說法：模型越大，成本反而越低。

大概邏輯是，聰明的模型在執行過程中犯錯更少，輸出的Token也更少。結果就是，即便API單價更高，完成單項任務的總成本反而更低。

讓我沒想到的是，賽題三在這件事上的角度并不一樣。

清華大學電子工程系副教授、AFAC大賽出題家姚權銘多年深耕AutoML，研究方向包括大模型基礎理論與數據高效智能體學習。他表示，金融圖學習并非大模型天然擅長的形態。其搜索空間往往缺乏連貫語義，通用模型的語言先驗在這里幫不上太多忙。

現在是Scaling Law為王的時代。大家很容易有種錯覺：AI似乎可以包容萬物。
問題是，僅僅是「能用」，真的夠嗎？
大模型本質上給所有人施加了一個共同的加速度。但在競爭激烈的市場環境下，做同樣的事情，如果對手消耗的Token只有你的1/10，那你的市場份額馬上就會被吃干抹凈。

優秀的方案未必來自更貴的API。如果有一個設計更精良的專業模型，或許3B參數就能搞定。

AGI可以為了「故事」隨便燒錢，但垂直場景必須追求極致。

對員工來說，這件事則更加現實：

一個人招進來，有管理、狀態、成本等問題。如果員工僅僅在AI能力覆蓋的范疇內做事，很快會被取代。
相反，一個能解決AI極限之外問題的人，未來會有更長的發展空間。

賽題四：金融長文本Agent的動態記憶壓縮與高效問答挑戰

這道題可以和賽題二放在一起理解，兩者都死磕「上下文」——賽題二考驗輸入，賽題四考驗輸出。

出題方會提供海量金融長文檔，參賽選手需要讓AI基于這些上下文精準答題。

難點有二：

1、結構極度復雜。

金融文件里充斥著大量交叉引用、表格、附錄、批注。一個否定詞、一個限定條件，或者附錄里的一處計算口徑，都可能讓最終答案天差地別。

2、對「追溯性」要求極高。

金融任務出錯的代價極其沉重。用戶絕不能只接受一個「看起來合理」的答案，還必須知道答案來自哪一頁、哪一條。

怎么做？

單純切片檢索，很容易丟失上下文關聯；把全文硬塞給模型，幻覺又會大幅增加，極易把A產品的問題答成B產品的條款。

更現實的方案，是通過Agent工程進行上下文管理。賽題建議的SOP如下：

• 文檔預處理：PDF或文本先解析成可檢索的結構，按章節、段落、表格切開。
• 文檔組織與索引：按領域構建關鍵詞索引和結構化字段索引。
• 題目解析：識別題型、關鍵詞、實體、時間、金額、指標和候選文檔。
• 證據檢索：不要把整本書都給模型，只取最相關的幾段。
• 推理作答：根據證據判斷選項真假。
• 答案校驗：單選只能一個，多選要列全，判斷題填A或B。
• 結果匯總：生成符合提交格式的文件。

但說實話，我第一次看到這套SOP時是有些疑惑的。

最近我在用Codex搭配Obsidian做知識庫管理，個人體感是：GPT+RAG基本已經可以做到沒有幻覺。

所以，為什么不直接接入最前沿模型的API呢？

對此，復旦大學助理教授、博士生導師、AFAC出題家郭宏成——多年主攻LLM研究，曾就職于阿里通義千問實驗室，他補充了一個我作為消費者，未曾考慮過的視角：

上下文成本控制這件事，在B端是另一個量級。

金融機構面對的不是一次性問答，而是海量文檔。他們需要持續進行合規審查、投研分析、客服輔助和內部知識問答，這些材料動輒幾百頁。
如果每個請求都直接塞進大模型，單次看只是多消耗一些Token；但放到日級、月級乃至機構級的調用量上，賬單將淪為天文數字。

這也是為什么賽題四將「Token消耗」納入評測維度之一。

以上，便是此次AFAC大賽的四條賽道。

說實話，信息量有些爆炸。最開始我確實沒想到，每一個評測指標的背后，都隱藏著對真實業務需求如此具體的思考。

問題本身的選取也極具品味，全都是沒有標準答案的開放式問題，沒有哪一道是光靠堆算力就能暴力破解的。

最好的創新，往往就誕生于這種混沌地帶。

金融AI：自帶護城河的黃金賽道

如此有含金量的賽題，究竟是怎么頭腦風暴出來的？

答案其實很簡單：這是螞蟻親自下場組的局。

AFAC2026大賽的背后，站著一個兼具產業一線經驗與學術前沿視野的賽題委員會。

這個組合極具張力。

螞蟻集團副總裁、財富保險事業群CTO、大賽組委會主席尹俊指出：AI發展到今天非?；馃?，但真正落到行業，尤其落到金融行業，難度依然很大。

首先，受限于合規、風險控制等要求和挑戰，金融+AI的具體形態還有待摸索。

其次，金融AI能創造的價值多少仍未被證明。

投入后能否產生足夠回報？長期來看上限能做到什么程度？這些都不像LLM敘事中那樣，有AGI這個標準答案。

金融機構有經營壓力，價值、合規和風險上的擔憂，會影響行業快速擁抱AI。

學術機構不存在機會成本導致的「轉型悖論」，卻又很難深入介入真實金融場景，因為金融機構對保密性要求更高。

AFAC大賽的出現，恰好提供了一個盡可能貼近真實場景的「沙盒」，從而將產業和學界連接在一起。

而當「黑盒」里的Know-How被拆開，真實業務數據被公開，產學研便能圍繞同一個靶心共同創新。

不過，大賽組委會主席尹俊也坦言，換個角度看，也許正是這些難點，才讓垂直場景AI擁有了其獨特魅力。

這是一個自帶護城河的賽道。
沒通用AI那么卷，不需要金字塔頂尖水平的AI履歷要求，復合型人才能憑借自己對金融行業的Know-How，形成另一種競爭力。

而螞蟻支持這件事，已是第四年。

AFAC大賽自2023年首屆舉辦以來，累計吸引超1.5萬支隊伍、近5萬名選手，覆蓋600余所高校與400余家企業。它由中國計算機學會、北京大學、螞蟻集團、NVIDIA等近30家機構聯合發起，現已成長為全國乃至全球頂尖的金融智能賽事之一。

「人人可參與」的Agent時代

而關于這一點，從賽題設計上，或許也能找到更多印證。

交易行為識別、金融文檔還原……四道題方向各異，卻指向同一條線索：

AI行業，終于到了「人人可參與」的時代。

預訓練時期，Scaling Law對算力的要求近乎恐怖，小團隊連巨頭的腳趾都摸不到。

但今年的AFAC大賽，完全是另一副風景。

在與量子位的對話中，幾乎每位出題家都坦言——無法預料最佳實踐，也猜不到冠軍會拿出怎樣的方案。

這背后是同一種共識：「大力出奇跡」的暴力解法，在Agent時代走不通了。

你不可能把所有工程能力都訓練進參數里。計算資源的消耗太恐怖，模型還不一定會更聰明。

相比LLM，Agent更像一個工程問題。它需要可復現的洞見，需要對業務約束持有尊重。而做好這件事的方法論，在各行各業都遠未收斂。

一般而言，技術發展會經歷四個階段：孵化期、試錯期、爆發期和評估期。

手機、通信、光電乃至量子計算，概莫能外。

不同階段，行業的發展范式也會有不同特點。

性能快速爬升階段，資源更重要。因為曲線已基本成型，接下來只需瘋狂Scaling，比如AlphaGo。

那什么時候研究品味更重要？技術孵化期，這是需要重新定義問題的時候，也是最需要人才多樣性的時候。

經歷了深度學習、Transformer、GPT時刻的一路狂奔后，AI的產業周期，終于輪回到了Agent落地的孵化階段。

在這里，競爭重新回歸研究層。

Taste，決定天花板。

2026年最有看點的金融AI武道會，開賽了。

賽題一：https://tianchi.aliyun.com/competition/entrance/532489/information
賽題二：https://tianchi.aliyun.com/competition/entrance/532490/information
賽題三：https://tianchi.aliyun.com/competition/entrance/532487/information
賽題四：https://tianchi.aliyun.com/competition/entrance/532486/information