← 文章 / AI技术
openai 1天前 · 2026-11-21 06:25:14 · 2 阅读

Hebbia借助GPT-6 Astra实现金融研究水平的提升

Hebbia 在测试中发现,GPT‑6 Astra 能显著提升金融研究的质量。 加入社区深烟熏青铜纹理背景上居中显示的白色 Hebbia 标志,带有柔和的琥珀色反光。公司规模:初创企业 所在地区:北美 行业:科技 产品:API

引用了所需的来源类型

13.6

在 Hebbia 的测试中,相比表现最好的替代模型领先的优势(百分点)。

引用相关性

99.5

在 Hebbia 的测试中,引用摘录与问题相关的比例。

满足的呈现要求

97.9

在 Hebbia 的测试中,适用的呈现要求的满足比例。

呈现要求领先幅度

14.4

在满足呈现要求方面,相比测试中表现最好的替代模型领先的百分点。

分享

在向客户推荐一项收购之前,银行家需要理清财务报表、客户合同和管理层演示材料。Hebbia 的 Matrix 能帮助把这些研究内容整合起来,并将答案与背后的文档关联起来。

Hebbia 测试了 OpenAI 的 GPT‑6 Astra,以改进这项工作中的两个环节:找到问题所需的来源,以及按照银行家的要求制作演示文稿。

“在 Hebbia 的发展历程中,我们一直是 OpenAI 的深度合作伙伴。GPT-6 Astra 在输出质量和准确性上的飞跃着实令人惊喜。在这两个方面,与我们测试过的任何其他模型相比,GPT-6 Astra 都表现出色。”
—Kavita Anand,Hebbia 产品技术团队成员

从来源文档到演示文稿

工作流程可以是这样的:一位银行家正在协助客户评估对一家工业软件公司的战略性收购,需要审查大约 2,000 份文件。它的收入凭什么能持续?与同行相比表现如何?在 Hebbia 设想的场景中,银行家可以把数据室导入 Matrix,在带引用的单元格中查看客户集中度、合同条款和流失率。Matrix 还能引入同行财报和行业新闻,帮助完善交易论点,然后按照公司模板将这些研究整理成尽调摘要和估值演示文稿。

在该工作流程中,GPT‑6 Astra 会挑选支撑答案的文档或 Matrix 单元格,随后将分析结果转化为符合用户结构规范与准则的原生 PowerPoint 幻灯片。

Hebbia 根据用户提示生成一份 Fastmart 公司概况演示文稿,包含财务表格与图表。

“可追溯性对我们的用户至关重要,因为他们要依据 AI 的实际输出来做出价值数百万美元的决策,”Kavita 说。“引用来源不仅有助于追溯,还能让用户确信 AI 找到的答案是正确的。”

在 Hebbia 的测试中,GPT‑6 Astra 兼顾了更广的来源覆盖面与高相关度的引用。在引用规定类型来源方面,它比测试中表现最佳的替代方案高出 13.6 个百分点;其引用的摘录中,99.5% 与问题直接相关。

Hebbia 于 2026 年 8 月至 9 月测试了一个预发布版本,对每个模型采用相同的金融研究案例与评分标准。领域专家依据原始文档制定或审核了这些标准。

“当你在资料室里面对成千上万份文档时,这一点极其重要。哪怕只有 1 个百分点的提升,也能带来可观的边际效益,”Kavita 说。

演示文稿还必须像是银行家会发给客户的专业作品。

“我不希望做出一份一看就是 AI 生成的 PPT,然后发给我的合伙人,”Kavita 说。“我希望它采用我们公司的品牌风格,看起来像是由人工制作的幻灯片。”

在遵循简报要求与呈现质量这两个方面,GPT‑6 Astra 均表现领先。在 Hebbia 的测试中,它满足了 97.9% 的适用演示要求,在指标上比测试中最佳的替代方案高出 14.4 个百分点。其他模型往往在打磨程度与简报遵循度之间顾此失彼,而 GPT‑6 Astra 在这两方面均位列第一。

“过去,我们见过某些模型在其中一个维度上表现出色:要么制作精良,但指令遵循与规范 adherence 较弱;要么反过来。GPT‑6 Astra 是我们见过的第一个在这两方面都排第一的模型,”Kavita 说。

在 Hebbia 中,用户可以点开引用查看底层文档和高亮段落,幻灯片脚注也能回溯到原始资料。审核可以细到对照源数据表核验客户集中度数字,并在材料提交给投资委员会之前修正报告期。

Hebbia displays a Fastmart company profile presentation beside a citations panel with source figures and documents.

Hebbia 希望银行家少花时间调整演示文稿格式、核对来源,把更多精力放在评估交易本身。Kavita 这样描述一份更好的初稿能带来什么:

“GPT-6 Astra 的厉害之处在于,它能严格按照用户要求生成非常精确的输出和成果物。当拿到的初稿已经接近最终版本,你可以想象能为专业人士省下多少时间。原本需要通宵赶工的活儿,现在只需花几分钟审阅 GPT-6 Astra 的产出。”
——Hebbia 产品技术团队成员 Kavita Anand

Agent 的未来角色

Kavita 认为,agent 未来可以在后台持续监控信息,为金融专业人士筛选出需要评估的信号。

“想象一下,你比竞争对手提前几个小时拿到重要信号,”她说,“你就能提前着手研究,捕捉和处理更多人力无法逐一挖掘的机会。这能为我们的用户释放巨大的价值。”

Hebbia 希望在这些成果的基础上更进一步,帮助金融专业人士用可溯源的研究来评估交易。

OpenAI <3 创业公司

加入社区开始构建(在新窗口中打开)

获取 OpenAI 商业版更新

产品更新、实用指南、即将举行的活动等。

邮箱地址 *

订阅即表示你同意接收 OpenAI 的邮件,并可随时退订。请阅读我们的隐私政策⁠。

订阅

继续阅读

Model ML 客户案例卡片图片Model ML 借助 GPT‑5.6 Sol 更高效地完成金融工作

初创公司 2026年8月10日

Parallel 客户案例卡片图片 - 选项 CParallel 利用 GPT‑6 Astra 将调研时间与成本减半

初创公司 2026年9月22日

Hex 客户案例艺术卡片 - 选项 AHex 借助 GPT‑6 Astra 将复杂分析转化为可视化报告

初创公司 2026年9月16日

原始来源: openai

评论 (0)