Look-Ahead-Bench：面向金融时点LLM前瞻偏差的标准化基准

我们提出 Look-Ahead-Bench，一个在真实且实用的金融工作流中测量时点（PiT）大语言模型（LLM）前瞻偏差的标准化基准。与主要经由问答测试内在前瞻知识的大多数现有方法不同，我们的基准评估模型在实践场景中的行为。为区分真实预测能力与基于记忆的表现，我们分析跨时间上不同市场体制的性能衰减，并纳入若干定量基线以建立性能阈值。我们评估知名开源 LLM——Llama 3.1（8B 与 70B）与 DeepSeek 3.2——以及来自 PiT-Inference 的一族时点 LLM（Pitinf-Small、Pitinf-Medium 与前沿级模型 Pitinf-Large）。结果显示，以 alpha 衰减衡量，标准 LLM 存在显著前瞻偏差，而 Pitinf 模型则随规模扩大展现更强的泛化与推理能力。本工作为金融 LLM 时间偏差的标准化评估奠定基础，并为识别适合真实部署的模型提供实用框架。代码见 GitHub：https://github.com/benstaf/lookaheadbench