财报要素大模型抽取实验：信贷尽调辅助初探

信贷尽调中，分析师需从年报、审计报告等非结构化文档中人工摘录财务指标与风险线索，耗时长且易遗漏。本实验将大模型信息抽取引入该流程，构建“抽取—校验—复核”三段式辅助方案：模型负责定位并结构化关键要素（营收、负债、关联交易、或有事项等），规则引擎对数值一致性与勾稽关系自动核验，分析师仅需复核低置信度片段。
阶段性结果：
· 在约300份年报的内部测试集上，核心科目抽取F1值达0.93，勾稽校验可拦截约86%的数值错配；
· 单份报告平均人工处理时长由约50分钟降至18分钟，节省主要来自定位与录入环节。
局限与下一步：模型对跨页表格及附注披露的召回仍偏弱，长文档截断会造成少量要素丢失。后续将引入版面感知分块与表格结构还原模块，并扩充至多行业样本验证泛化性。本实验定位为辅助工具，最终信贷判断仍由人工完成。