财报附注是财务核查中信息密度最高、也最难自动化的部分：一张附注表常由多级表头、合并单元格与脚注构成，并与主表、其他附注存在勾稽关系。金融AI实验室近期的实验把任务拆成三步——先通过版面分析还原表格结构，再把「万元/千元」「合并/母公司」等口径对齐，最后按预置勾稽规则（如应收账款账龄与坏账准备、货币资金与现金流量表）逐条比对，输出差异位置与疑似原因。
进展：在自建年报测试集上，单元格级结构还原F1约0.93，已沉淀勾稽规则约40条，差异定位Top-3召回率约0.86；对因口径不一致产生的「伪差异」，目前仍靠人工规则兜底。
下一步计划：将口径识别改为可学习的对齐模块，把评测集从年报扩展到中期报告与债券募集说明书，并接入复核人员的判定结果，形成小样本迭代闭环。
评论