投研 Agent 真正稀缺的不是更多数据，而是可靠反馈

先给判断

“我们有大量高质量数据”是 AI 公司最常见、也最难验证的表述之一。

高质量并不是数据自带的标签。一个样本是否有价值，取决于目标、时点、任务、验证方式和错误成本。可以无限生成候选文本，却不能让候选自己决定什么是真、什么重要、什么足以进入结论。

对于投研 Agent，真正稀缺的不是更多文本，而是可靠反馈：

• 谁定义一份研究做得好不好；
• 哪些错误可以由工具发现；
• 哪些判断必须由专家裁决；
• 反馈是否覆盖长尾风险；
• 修改结果能否进入下一次任务。

合成数据解决的是候选供给

模型可以生成问题、答案、研究计划、反方观点和报告草稿。这能显著扩大训练与测试样本，也能降低基础标注成本。

但合成数据存在一个根本限制：模型不能凭空创造它没有接触过的外部真值。

如果验证器可靠，合成数据可以帮助搜索更好的候选；如果验证器只奖励流畅、格式或表面一致，系统可能更快放大已有偏差。

因此，应把合成数据理解为候选生成器，而不是自己的事实来源。

投研反馈至少有四个层级

1. 形式反馈

检查文件是否完整、格式是否正确、引用是否存在、数字是否能计算。这一层最容易自动化。

2. 事实反馈

检查主张是否被原始来源支持，实体、时间、币种和分母是否一致。这一层需要检索、定位和确定性工具共同工作。

3. 判断反馈

检查证据是否足以支持商业解释，反例是否被遗漏，推导是否越过了事实边界。这一层通常需要领域 rubric 和专家审核。

4. 结果反馈

观察研究是否真正改善了投委会、尽调、风险识别或经营决策。反馈最有价值，也最慢、最容易受到外部变量干扰。

只优化前两层，可以减少低级错误；要形成专业能力，还必须让后两层以某种方式进入系统。

为什么“专家标注”也可能失真

专家时间稀缺，但更大的问题是专家之间也会分歧。

不同机构的投资策略、风险偏好和决策权限不同。某个结论对成长基金有价值，不一定适合产业资本；一份报告适合早期筛选，不一定满足正式尽调。

可靠反馈系统需要保存：

• 反馈来自谁；
• 反馈发生在什么任务和阶段；
• 修改针对事实、推导还是表达；
• 结论适用于哪些机构与时间；
• 是否存在尚未解决的分歧。

把所有专家修改压成一个统一“正确答案”，反而会丢失最有价值的条件。

专家的角色会改变，而不是消失

Constitutional AI 等工作说明，人类可以把部分逐条反馈上移为原则、rubric 和审计机制。

在投研系统中，专家可以从重复修改每一段文字，逐步转向：

• 定义来源和证据资格；
• 设计报告与判断 rubric；
• 审查冲突和长尾错误；
• 标记哪些修改应成为通用规则；
• 处理验证器无法覆盖的例外；
• 决定什么可以自动发布。

这不是取消人工，而是把人工放在最能改变结果的位置。

反馈如何成为组织资产

一次修改只有在被记录、归因和复用后，才可能让系统长期变好。

例如，研究员发现某类公司经常混用“签约金额”和“确认收入”。如果修改只留在最终文档中，下次任务仍会重复犯错；如果系统保存了错误类型、适用场景、检查规则和反例，它就能变成新的质量门。

因此，投研 Agent 的数据飞轮不应只是“积累更多报告”，而应是：

真实任务 → 候选研究 → 专家修改 → 错误归因 → 规则或评估更新 → 新任务验证

缺少错误归因和新任务验证，所谓飞轮可能只是文本堆积。

采购或评估时应继续追问

• “高质量数据”由谁、按照什么标准定义；
• 是否有独立真值或真实任务做校准；
• 反馈覆盖的是格式、事实还是商业判断；
• 模型能否通过表面技巧骗过评估器；
• 长尾失败由谁发现并进入下一轮；
• 专家修改是否被版本化和可追溯；
• 指标是否与审核负担和最终任务价值连接。

研究起点与边界

本文派生自对“高质量数据还是可靠反馈更稀缺”这一技术命题的独立研究。原始人物文字稿仅用于发现问题。数学、代码和形式系统中可自动验证的成功，不能直接证明金融研究已经拥有同等廉价的真值。