这项由武汉大学人工智能学院的谢倩倩教授领导的研究团队在2025年8月发表，论文题为《From Scores to Skills: A Cognitive Diagnosis Framework for Evaluating Financial Large Language Models》，该研究首次将教育心理学中的认知诊断理论引入到金融AI评估领域。有兴趣深入了解的读者可以通过GitHub项目页面https://github.com/WHUNextGen/FinCDM访问完整研究成果。
当我们去医院体检时，医生不会只告诉你"身体状况70分"就完事，而是会详细检查你的心脏、肝脏、肺部各个器官的具体情况，告诉你哪里健康、哪里需要注意。但令人意外的是，在评估金融AI模型时，我们却一直在用那种简单粗暴的"总分"方式。
考虑这样一个场景：两个学生都考了80分，但一个是因为数学好语文差，另一个是语文好数学差。如果只看总分，我们永远不知道该给他们推荐什么样的补习班。武汉大学的研究团队发现，评估金融AI模型时也存在完全相同的问题。目前所有的评估方法都只给出一个总体得分，比如"在金融问答任务上准确率85%"，但这个分数完全无法
