让 AI 总结一篇金融论文，像让助理整理会议纪要；让它独立做研究，则要它自己提出猜想、找数据检验，发现不对后再修改。Google、Boston College 和 Columbia 的研究者正在测试后者：把大语言模型（LLM——能理解和生成文本的 AI）放进一套人为设计的“研究实验室”，看它能否自主跑通金融研究的完整链条。
据 Quantpedia 介绍，这套框架最具体的设计，是提供由 66 个会计基础组件构成的符号化语言——也就是把财务概念和可执行操作做成有限、明确的积木——再配上一套标准化回测流程，用统一规则检验策略。重点不是让模型直接对价格序列给出黑箱预测，而是约束它完成“提出假设—检验—反思”的循环，并让生成的金融信号更容易解释、检查和复现。不过现有材料没有披露数据范围、模型设置或实验结果，因此目前更值得关注的是测试框架本身，还不足以判断 AI 是否已经具备可靠的独立金融研究能力。