金融 AI 的第一能力不是预测，是过滤

先看两条都「像金融」的新闻。一条是地缘政治：某位政治人物坚持要拿下一块地方，标题里有国家、有冲突、有权力，没有时间表，没有可执行的动作。另一条也是地缘政治：同一个人威胁对主要贸易对手加税，说了税率，说了哪天生效。只按题材分，两条都会被标成相关。做过美股宏观的人当班时会把第一条放一边，把第二条留下——不是因为知道后来市场怎么走，是因为第二条当时就有对象、有数字、有日期。本文说的「相关」，全都按这个标准：当班的人当时会不会留。后来有没有改价格，是另一件事，不能拿来当答案。

再看更日常的对照。下面的账号按「该怎么读」起的假名，公司名是真的，帖文和数字是编的，只用来对照。

今天的大模型像一个不知疲倦、什么都读过、但没亏过钱的研究员。写代码、翻译、做摘要，它都能先交一版。于是真正难的变成两头：问什么问题，以及结果信不信。过滤是最先碰到、也最容易做假的那一层。这一关过不了，后面写得越顺，噪音加得越快。

一条材料进不进今天必看，其实只问两件事。跟谁的决策有关：不是像不像金融，而是对此时此地做 AI、半导体的人，它是相关而且值得看、相关但无聊，还是根本无关。噪音怎么折：同一个号，有的帖是一手，有的是水文；有的号已经替你筛过，有的号默认只能当传闻。信噪比不是把账号分成三六九等，是这个号该怎么读。

相关：不是题材，是决策

通用模型擅长按题材归堆：标题里有关税、芯片、AI、央行，就往「金融相关」靠。人的判断更窄。对做宏观的人有用，和对看半导体的人有用，不是一回事。一家小公司上市，财务上当然相关，宏观的人可能完全不想看。提示词写成「这是不是财经新闻」，模型按定义就该留下它；改成「相关而且值得看 / 相关但无聊 / 无关」，至少题问对了。分数会不会因此上去、上去多少，要像第七节那样分开跑才知道，这里先不下结论。

光改提示词还不够。能写进提示词的，只是人说得出口的那部分。真正决定「今天这条留不留」的，往往是亏过钱才有的感觉：这类标题以前怎么被定价，这个人什么时候在报信，什么时候在表演。

信噪比：不是名气，是读法

我们给真实账号写过一批很短的备注。不像论文，更像值班时跟同事说的那句话。四种最常用的读法：

按热度排的现成做法，会把粉丝多、传得广、写得像研报的东西抬上去。我们的顺序反过来：先问这个号会不会浪费你的时间，再问他这次有没有新东西。

按「权威、题材、传得广」来排，会留下名人玩笑、没确认的传闻、同一条卖方笔记的转发，同时把粉丝少、但说了具体事的帖直接压掉。按我们的规矩：留下当时就会留的具体事实，传闻先看着，重复的并掉，水文丢掉；粉丝少不是丢掉的理由——能对公开材料核对的进必看，单源自述的先看着。

大模型带来两层麻烦。一层是它极会事后编故事：你丢给它任何一条热点，它都能很快讲出一套听起来有道理的金融解释。过去「讲不出道理」还能当过滤器，现在这个过滤器坏了。有信息量的不是解释本身，是它写在看见结果之前还是之后。另一层是它记得太多历史。它「知道」某些年份后来发生了什么。只要让它参与「这条重不重要」，它给你的可能不是判断，是记忆。演示里不会报错，真用的时候才会收费。

这两层各对应一条考法。对「会编故事」：分数只看四道题答对没有，跟解释写得多顺无关。对「记得历史」：卷子截到某一天，题面和模型都看不见之后的事。第六节会说到，光挡住模型还不够，写答案的人也在 2026 年。

后面还有提问、核对、把流程跑起来这些本事，当然重要。实现变便宜之后，会问好问题的人和会把关的人会更值钱。但那是后半场。要说清一点：「我们看什么」这个范围是人先定的，不是模型定的；这里说过滤是第一关，是指范围定了之后，模型最先要过的那一关。相关和噪音这两关不过，提问是在更大的垃圾堆里提问，核对是在给噪音盖章。

• 财报问答 / 找文件 现成的年报考卷 会读年报，不管这条该不该进今天必看。
• 新闻情绪 一句话偏多还是偏空 心情好坏，不等于对看 NVIDIA 的人有用。
• 金融推文情绪 标这只股票会涨还是会跌 还是分类；答不了这是事实、传闻还是玩笑，是原发还是复读。
• 通用推文考卷 题怎么出、分怎么算，可以学 考的是仇恨和表情符号，指导不了半导体早报。

现成尺子看不见的错最贵：把当时就该先看着的传闻直接丢掉；把旧闻当新；把转发当成又来了一个人，系统以为「很多人都在说」，其实是同一个人被复制了多次；把水文送进必看。这不是总分多一个点少一个点，是看盘的人还会不会信你。

先定输入长什么样。不是一段洗干净的正文，是一条完整的材料：原文、谁发的、什么时候、是原发还是回复、引用、转发，外加一句人写的读法。没有作者、没有时间、没有引用关系，模型只是在做阅读理解，不是在帮你决定今天看什么。

冻住什么，比换哪个模型重要。一套能反复考的卷子，至少要冻住：哪些账号、每个账号那句人写的备注、截到哪一天、标准答案、以及上一节那张错误表。备注跟着账号一起冻，因为它是题面的一部分，不是可换的配件。截到哪一天，是为了不让模型看见后来发生了什么。

但冻日期只挡住了模型，没挡住写答案的人。标答是 2026 年的人写的，他知道后来怎么样了。这是真实的泄漏，不是理论上的。补法只有两种：截止日在过去的题，标答用当时留下的值班记录、当时的笔记，不用今天的回忆；没有当时记录的，两个人互不见面、只拿截止日之前的材料各标一遍，对不上的题不进卷子。

标准答案怎么定，要分两份材料说。调参那份可以留争议通道：外包标的看起来整齐，常常是错的；模型和现有标签对不上的，送到人重标——对不上，要么真难，要么原来就标错了。考卷那份不走这条路：两个人独立标，报一致率；两人对不上的，删掉或者单列成争议题另算；模型的输出永远不能触发考卷重标，否则就是按模型的答案改答案。

• 考卷那批材料只能碰一次，而且模型够不着。 模型和它能调用的工具都不能读到这批材料。根据考卷结果回头改规则，每一步都合规，拼起来就是作弊。要反复考，就多留几批考卷，每批只用一次；调参那份随便碰。
• 读法和错法先写下来。 这个号该怎么读、什么样的错最贵，必须在看见模型输出之前定好。事后补的解释，无论多精彩，按零分。
• 换一家模型还能得到同样的结论。 同一家公司的两个模型会犯一样的错，彼此同意不算数。关键结论至少要在不同公司的模型上，或者「规矩加上模型」上站得住。

做到这一步，「我觉得这个号很吵」就变成能对的题：在冻住的账号和日期上，模型会不会做对那四道题；把账号规矩关掉之后，不该留的和该留却丢的会不会明显变多。后一个对比，才是降噪有没有用。

为什么要自己出卷，不要刷公开榜

有一组公开数字可以借来参照，先说清它的边界。2026 年，Bridgewater 和一家模型实验室公开过一次实验，任务和本文不一样：这篇文章值不值得读、这份央行文件有没有方向、这封邮件从哪开始是套话。他们报的数字：最强的通用模型随便问一句，差不多是掷硬币；加上专家写的提示词，到七十多分，没过八十；用他们自己的人标过的数据微调一个开源模型，准确率 84.7%，用起来便宜了一个数量级。

这组数字能说明的只有一件事：在那几个任务上，提示词停下来之后，自己人标的数据还能把分推上去。它证明的是模型学到了他们标注者的判断，不是学到了市场；84.7% 是和他们自己标注者的一致率。它没证明这种能力别人抄不走——任何人拿同样任务、同样质量的标签去微调，未必到不了。它也没证明我们的任务会有同样的曲线，因为任务不同。

所以自己出卷的理由，不是「能长出抄不走的能力」，而是第五节那条：公开榜考的不是我们要的那道题。我们要做的是一套自己的过滤考题：在我们看的范围内，用我们的读法，决定一条材料该不该占用注意力。相关和噪音是前两道。提问和核对，是下一场考试。

不全是模型能力。上面说的事，其实叠了三层。混着考，你会分不清：到底是模型变聪明了，还是提示词写得好，还是规矩把错路堵死了。

所以这套卷子要拆开打分。系统规矩单独考：关掉规矩，错会不会爆。提示词单独考：同一模型，有没有「我们看什么」、有没有账号备注。模型能力只看第三层：规矩和提示词都冻住，换模型、换训练，分数还会不会动。

你们给账号写的那句备注，两边都沾。写成系统规矩的部分（没确认当传闻、名人玩笑挡掉）不是模型能力；模型要不要读这句备注才能做对「同一人两条留哪条」，才是能力。降噪效果也要拆：规矩开和关比一次，提示词有和无比一次，不同模型再比一次。只报一个总分，分不清药在哪一端。

一张考题长什么样

每道题必须带齐这些，缺一样就不算过滤题，只是阅读理解：

我们看什么（例如只看 AI、半导体、算力）；截到哪一天哪一小时，题面和模型都看不见这之后的事；谁发的，外加一句人写的读法；原文，以及它是原发、回复、引用还是转发。然后人对四道题给标准答案：跟我们有关吗（值得看 / 无聊 / 无关）；是事实、传闻、观点还是玩笑；说到谁；进不进今天必看（进 / 先看着 / 不进）。另外标一下：这道题若答错，算哪类贵错——不该留的留了，还是该留的丢了。

先不要上万道垃圾题。对照题 80 到 120 道就够开考：一半是成对出现的（同一人两条、同一件事两种说法），一半是单条。账号名单连备注一起冻住。训练、调参、考卷三份拆开。模型和现有答案对不上就送人重标，只在调参那份做；考卷那份两个人独立标，报一致率。题少，所以一次考试的分差可能是抽样噪音；同一结论要在两批以上的考卷上都站住，才算数。

分怎么算

四道题分开报，不合成一个虚高的总分。必看这一题单独看。不该留的留了、该留的丢了，两列单记，不跟四道题平均。同一个模型、同一套题打三次：第一次裸模型；第二次加上范围和账号备注的提示词；第三次再加上系统规矩。第一次到第二次的变化，记给提示词；第二次到第三次的变化，记给规矩。这三次都没在测模型能力——模型没换。

模型能力另测：把第三次的提示词和规矩原样冻住，换模型、换训练，只看分数动不动。这一步动了的那截，才是模型的；三次里涨的都不是。

换一批更吵的账号，要连备注一起换：新账号也配一句人写的读法，再比分数。备注是题面的一部分，和账号一起冻；只换号不配备注，是另一张卷子，分数变了不说明什么。配好备注还大变，才说明卷子绑在特定网上，没冻好。换一家公司的模型，结论若翻面，说明还不是能力，是运气；两批以上考卷都翻不了，才算站住。