返回资讯中心
外部精选
软件工程
#开发者实时流

Compound 发布 IC Deck Bench,评测 AI 智能体制作投资委员会 PPT 的能力

来源标题:IC Deck Bench: From Data Room to Investment Committee-Ready PowerPoint

Compound 推出 IC Deck Bench,用 61 项任务评测 AI 智能体为私募股权基金制作投资委员会 PowerPoint 的能力。在全部任务上,Compound auto 以每任务 4.38 美元的成本取得 89.2% 的得分,比同成本下表现最好的其他智能体高 11 个百分点。

Hacker News 最新peterjliu2026/11/16 · 昨天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

IC Deck Bench:从数据室到可直接上投委会的PowerPoint

引言:IC Deck Bench——从数据室到可直接上投委会的PowerPoint

一个衡量AI agent如何构建私募股权公司提交投委会所用PowerPoint演示文稿的基准测试

研究 · 作者:Compound团队 · 2026年11月16日 · 阅读时长19分钟

最佳其他agent Claude(Claude Code) GPT(code CLI) Gemini(Antigravity) Muse(Muse Code) 50%60%70%80%90%$0$2$4$6$8$10$12$14$16每任务模型成本得分(PowerPoint渲染)Compound autoOpus 5.5 maxFable 5.2 highOpus 5.5 xhighFable 5.2 mediumOpus 5.5 highCompound quickSonnet 5.5 highMuse Wonder 1.0 maxHaiku 5.5 maxGemini 4 Hydrogen highSonnet 5.5 maxGPT-6.1 Terra ultraMuse Spark 1.3 maxGPT-6.1 Sol ultraGPT-6 Astra ultraGemini 4 Carbon mediumGemini 3.8 Flash highGPT-6 Luna max

IC Deck Bench得分与每任务模型成本的对比(全部61项任务),每个点和agent的一种设置,按模型家族着色;Compound在其自有harness中运行多个家族的模型。Compound auto以每任务4.38美元的成本取得89.2%的得分,比该成本下最佳其他agent的连线高出11分。

IC Deck Bench衡量AI agent在私募股权投资委员会(IC)背后的PowerPoint工作上表现如何。每个条目是一个agent:一个或多个模型运行在某个harness(Compound、Claude Code、code CLI、Antigravity或Muse Code)中,带有该harness的工具、提示词、沙箱和限制。得分属于这一组合,而非仅属于模型,同一模型在不同harness中得分可能不同。有些公司用Word撰写投委会备忘录,但许多公司以演示文稿形式呈现,我们评估的正是这份演示文稿。每项任务要求交付分析师会产出的成果:基于数据室构建的IC演示文稿、贷款人演示文稿、基于公司模板的演示文稿、投委会会议后的更新、单张图表,或对现有演示文稿的常规编辑。我们对agent交付的PowerPoint文件进行评分,若任务还要求估值模型,则将演示文稿与该模型核对。

下面的示例展示了两个agent在相同任务下的摘要页:Voltaic数据室,随PE Bench发布,无公司模板。一份演示文稿来自auto effort下的Compound,另一份来自max effort下Claude Opus 5.5的Claude Code。Compound的标题明确了决策:出价21.0倍,以确认锚定租约条款为前提。Claude Code的标题是“执行摘要与建议”,其页面给出了两个不同的价格。

该基准测试包含61项任务。25项为交易任务,基于四个数据室、两个虚构公司模板以及一组带有真实格式问题的演示文稿。其余36项各要求一张原生PowerPoint图表。

利用数据室,对公司进行分析。对公司进行完整的深度数据室分析,在Excel中构建估值模型,并以PowerPoint演示文稿形式提交投委会备忘录,描述你的发现和建议。估值很可能是按卖方定义的FY25调整后EBITDA的21.0倍,因此倍数具有可比性;账目尚未记录的一项成本是尽职调查要点,而非EBITDA调整项。

公司是Marrowfield Foods,但Marrowfield lender presentation.pptx在若干处将其拼错为“Marrowfeild”。在所有位置修正,其他一概不改,并以相同名称保存演示文稿。

使用我们的模板(Templates/Corrowdale Partners IC template (sample pages).pptx)和Fund_IV_returns_simulation.xlsx,为IC演示文稿构建一页幻灯片:一张模拟总IRR的原生箱线图(PowerPoint内置的箱线图图表类型),每个情景(Downside、Base和Upside)一个箱体,每个箱体标出其均值。将其保存为PowerPoint文件。

这是IC Deck Bench的首个版本。我们计划在未来版本中增加更多演示文稿类型,以及交易团队所做的更多PowerPoint工作。

每一行是一个agent:一个harness以某一effort设置运行一个模型。表格展示了截至2026年11月16日,每个harness在全部61项任务中的最佳设置。

每个agent以所示effort运行;若某次运行未设置,则agent使用其自身默认值。每个agent的更多设置及其每任务时间,见IC Deck Bench排行榜。

每份演示文稿均按Microsoft PowerPoint的渲染效果评分。开源评分器也可在LibreOffice上运行,供没有Microsoft Office的用户使用,但其得分可能与PowerPoint不同,原因见下文“评分”部分。一个示例任务,包含每个agent的评分演示文稿、其PowerPoint渲染及各项评分标准的得分,见Hugging Face。

每个模型在其所在实验室的agent harness中运行,即最可能为其优化的环境:Claude模型在Claude Code中,GPT模型在code CLI中,Gemini模型在Antigravity中,Muse模型在Muse Code中,而Compound通过Compound产品运行。每个harness均以无头模式、自动批准运行,带有自己的shell、文件和网络工具,effort如排行榜所示,且每个都获得相同的任务提示词和相同的文档技能(Anthropic开源的docx、xlsx、pptx和pdf技能)。每个harness如何加载技能,见PE Bench仓库的docs/running-agents.md。

除Compound外,每个agent每项任务有90分钟(5,400秒);达到时限的运行按届时已交付的文件评分。Compound没有时间限制,在其自身步数限制处停止。大多数agent每项任务运行一次。Antigravity配Gemini 3.8 Flash将全部61项任务运行了两次,Compound在auto effort下运行两次、quick effort下运行三次;这些的每任务得分和成本为多次运行的平均值。

Compound是一款面向金融的AI分析师:它基于公司自有文件构建Excel模型、PowerPoint演示文稿和备忘录。此处报告的得分是产品交付时的状态,即客户使用的同一agent。两个因素解释了其大部分领先优势。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →