AI 投资前沿：投资智能体需要一条可复盘的决策链
一项新基准把投资智能体拆成画像、当时可见的证据、推理、决策与结果，说明只看收益会掩盖真正的流程缺陷。
投资智能体最容易制造的一种错觉，是把“说得像分析”误当成“根据当时证据做出了合适决策”。一项新发布的 InvestLogicBench 基准把投资过程拆成投资者画像、当时可见的市场事件、推理、可执行决策和延迟结果五个环节。对开发者而言，核心提醒很明确：一次赚钱的回测，不能单独证明智能体理解了证据，更不能证明它遵守了投资约束。
前沿信号
论文《Evaluating Investment Logic in Large Language Models: A Real-World Benchmark Towards Personalized Financial Agents》整理了来自151名真实投资者的201,247条记录。每个样本形成 P→E→R→D→O 链条：Profile、Events、Reasoning、Decision、Outcome。它不满足于静态金融问答，而是支持理解测试、基于画像生成，以及对整段决策过程的重放。
结果的价值不在于又一个总分。四个主流大模型的逻辑合理性接近4/5，但事件依据得分只有0.8–2.8/5；收益结果与流程质量也并不一致。这意味着模型可以给出听起来合理的解释，却没有牢牢连接到决策时真正可获得的信息。
为什么投资者在意
投资是带有个人约束的决策。同一条宏观消息，对长期养老金账户、集中持仓的个人组合和严格限风险的交易策略，未必对应同一个动作。用一个脱离画像的“最佳交易”来评估智能体，实际上抹掉了最重要的上下文。
这会影响研究、组合、风控和审计：研究助手必须引用正确版本的材料；组合系统必须保留限制条件；风险团队需要知道仓位为什么变化；监督者则需要重放当时的证据。只看最终盈亏，会把运气、行情环境和潜在的未来信息混在一起；只看语言流畅度，又会奖励事后编故事。
这也把我们此前讨论的投资 AI 证据层和金融基础模型的时间完整性变成了可测试的工程问题：每一次决策都应该带着来源和时间戳。
技术解读
P→E→R→D→O 更像数据系统接口，而不是一条提示词模板。画像需要版本化，事件必须绑定到决策时刻可见的范围，推理要能检查，决策要能执行，结果则在之后写回，不能反过来改写原始记录。
实际系统可以采用追加式决策账本，保存画像快照、检索材料、时间戳、模型与工具版本、候选动作、约束、审批状态和后续结果。评估时把事件依据、画像一致性、约束遵守、决策质量和结果质量分开。这样，好的结果就不能替糟糕的流程“洗白”。
现实校验
这项基准并没有证明高分等于超额收益。真实投资记录可能存在选择偏差、上下文缺失和解释含义不清；延迟结果本身也有噪声。决策链还可能被做成表演：系统保存了一段漂亮说明，却没有保存真实的检索路径和计算过程。
个性化也有过拟合风险。过度迎合画像的系统，可能把用户原有的坏习惯当成约束，或者没有提醒用户画像已经不适合当前账户。因此，当决策显著改变风险暴露时，人工复核仍应是控制面的一部分。
构建者要点
- 把 P→E→R→D→O 设计成每次运行都必须填写的结构化记录。
- 在模型推理前冻结并哈希当时可见的证据集。
- 把证据依据和委托约束遵守度，与收益指标分开评分。
- 用同一份证据重放不同模型，单独测量决策模块的改进。
- 记录人工覆盖、被拒动作、换手率和成本敏感性，而不只是成交结果。
链接 / 来源
- InvestLogicBench（arXiv:2608.06108）——基准、数据集和评估结果。
- 投资 AI 证据层——相关工作流框架。
- 金融基础模型的时间完整性——相关时间约束。
- English companion——今日信号的英文版本。