ReguSim：评估LLM智能体在金融合规中的规则落地能力

金融市场中的 LLM 智能体可能引用规则，却仍提交违反可执行约束的订单，或误读监控证据。我们引入 ReguSim，一个受控的金融合规环境，以及 ReguBench，一个带目标标记的监控基准，用于分离四种产物：陈述性推理、尝试性动作、执行强制与监控证据。在使用 DeepSeek V4 Pro 和 Gemini 3.5 Flash 的交易员运行中，可见规则减少了但并未消除被拒绝的动作，激励或人设设定会改变行为。一项桥接研究表明，除非展示执行证据，交易员的推理陈述可能误导独立监控方。在监控方面，简单的结构化基线要么持平要么超过仅用提示词的 LLM。这些结果把金融合规评估界定为对“规则落地动作与证据使用”的审计，而非单一的合规分数。