AI财报附注抽取：科目映射与口径对齐

金融AI实验室本期聚焦财报附注的结构化抽取。附注披露与企业会计口径、行业习惯强相关：同一经济事项在不同公司可能写作“其他应收款”或“应收款项融资”，也可能并入“其他流动资产”，按字段直配的做法错误率偏高。实验采用两段式流程——版式解析先定位表格与段落边界，再用带上下文的小样本语义匹配，将披露项挂接到统一会计科目树；金额单位（元/千元/万元）、合并与母公司口径、期初与期末列由显式规则校验，冲突项自动转入人工复核队列。进展：在内部120份A股年报附注测试集上，货币资金、应收账款、存货、有息负债等关键科目的抽取准确率为91.3%，口径错配率由8.7%降至2.4%；样本量仍然有限，尚未完成跨年度泛化验证。下一步：覆盖港股与美股20-F的披露格式，并把结构化结果接入财务异常检测与信用风险特征，检验其对下游模型的实际增益。