金融AI实验室：财报表格抽取与数值校验实验

在信贷尽调和投研场景中，财报 PDF 的表格抽取长期存在“抽得出、对不上”的问题：跨页表格被截断、千分位与括号负数被误读、单位（万元/元）混用，最终导致指标口径错误。金融AI实验室近期围绕这一环节做了一组实验性探索，重点不在模型规模，而在抽取后的数值自校验。

做法上分三步：先用版面分析定位表格区域与表头层级，处理跨页续表的表头继承；再对单元格做类型归一，把“1,234.5”“(1,234.5)”“—”“不适用”分别映射为数值、负值、零值与缺失；最后引入会计恒等式做校验，如资产=负债+所有者权益、本期期末=上期期末+本期变动，不满足则回溯定位到具体单元格并标记待人工复核。

进展：在内部 200 份年报样本上，单元格级抽取准确率约 96%，经恒等式校验后可自动拦截约七成的口径错误，人工复核量下降约四成。