知识卡片：Terminal X 用 GPT-6.1 匹配资深投资人判断达 88.6%

一句话结论

据 OpenAI 官方页面标题及候选摘要，Terminal X 的 Eval Agent 以 54 项标准评分表（rubric）评估输出，在使用 GPT-6.1 Sol 时，对某基金投资授权（mandate）的偏离识别量提升 25%，与资深投资人判断的一致率达 88.6%；正文未能抓取，细节待核实。

事件概述或研究问题

• 来源：OpenAI 官方页面（https://openai.com/index/terminal-x），标题为 “Terminal X matches senior investor judgment 88.6% with GPT-6.1”。
• 核心问题：能否用 AI 评估代理（Eval Agent）在投资合规/授权审查场景中，替代或辅助资深投资人的判断。
• 已知信息：Terminal X 构建了包含 54 项标准的 rubric，用于对输出进行逐项评分，并据此识别偏离基金 mandate 的情况。
• 待核实：Terminal X 的产品形态、评分流程、数据集规模、测试方式、88.6% 一致率的计算口径，以及“25% more deviances”的基线对照对象。

方法/产品要点

• Eval Agent + 54 项 rubric：以结构化评分表作为评估框架，对输出逐条打分，而非单一整体判断。
• 模型：使用 GPT-6.1 Sol 作为评估模型。
• 应用场景：基金投资授权（mandate）合规审查——检测输出是否偏离基金既定的投资范围与约束。
• 待核实：rubric 的具体条目维度、评分尺度、是否有人工复核环节、Eval Agent 是独立产品还是 Terminal X 平台内的功能模块。

主要结果或产业意义

• 一致率：与资深投资人判断的一致率达 88.6%（候选摘要数据，待核实）。
• 偏离识别：相比对照基线，多识别出 25% 偏离基金 mandate 的情况（候选摘要数据，待核实）。
• 产业意义：若数据成立，说明结构化 rubric + 强模型的评估代理可在专业金融合规场景中接近资深人类判断水平，为投资管理中的合规审查自动化提供可量化的参考点。

为什么重要

• 金融合规审查长期依赖资深投资人经验，成本高、难规模化；本条提供了一个“AI 评估代理 vs 资深人类判断”的一致率量化指标，可作为该方向的能力参照。
• 与既有卡片中 Asana 用 GPT-6.1 Sol 降低浏览器 agent 测试成本、TensorRT Edge-LLM 完成 Edge Agentic 基准等条目相比，本条把 GPT-6.1 Sol 的应用场景推进到专业判断评估（而非性能或成本），属于同一模型在“评估者角色”上的增量信息。
• 与 Ironclad 推进计算机使用能力的卡片相比，本条聚焦的是评估/审查而非操作执行，二者构成专业工作流中“做”与“评”的两端。

局限与不确定性

• 正文未抓取：本卡片仅基于页面标题与候选摘要，未获得原文，所有数据均为待核实状态。
• 待核实项：88.6% 一致率的样本量、判断任务定义、人类标注者数量与资质；25% 提升的基线模型或方法；54 项 rubric 的来源与校验方式；是否存在选择性报告。
• 外部效度未知：单一基金 mandate 场景的结果能否推广到其他机构、其他资产类别，材料无法确认。

可用于图书/PPT/简报的角度

• “AI 作为评估者”：从生成内容到评估专业判断，rubric 驱动的 Eval Agent 如何逼近资深人类水平。
• 金融合规自动化的量化里程碑：88.6% 一致率与 25% 偏离识别提升作为可引用的参照数字（引用时须标注待核实）。
• 结构化评分表（rubric）作为提升评估可靠性的工程手段，可与单一整体评分的做法对比讨论。
• 专业工作流中“执行型 agent”与“评估型 agent”的分工图谱。

与既有脉络的关系

• 本条延续了 GPT-6.1 Sol 在专业场景落地的脉络（参见 Asana 浏览器 agent 测试卡片），但增量在于角色从“被测系统”转为“评估系统”。
• 与 Ironclad 计算机使用能力卡片互补：后者关注 agent 如何完成合同工作流操作，本条关注如何评估输出是否合规，共同勾勒专业工作中 agent 的“执行—评估”闭环。

原始材料

• 标题：Terminal X matches senior investor judgment 88.6% with GPT-6.1
• URL：https://openai.com/index/terminal-x
• 来源：OpenAI 官方页面
• 关键词：Eval Agent, rubric, mandate compliance, GPT-6.1 Sol, senior investor judgment
• 说明：正文未能抓取，以上内容基于已知元数据与候选摘要，关键数据待核实。