在金融场景里，长文档问答的难点不在生成，而在「敢不敢用」。金融AI实验室的实验从上市公司年报与债券募集说明书入手，把流程拆成三段：版面解析（正文、表格、脚注分离）→ 混合检索（向量召回＋关键词＋表格数值定位）→ 带引用的答案生成，要求输出的每个数字都能回指原文页码与表格行，而非只给一段通顺的话。
阶段进展：在内部200题评测集上（事实抽取、多跳计算、跨年对比三类），严格引用模式下答案可溯源率约九成；当检索不到支撑段落时，系统按阈值主动拒答，而不是补全一个像样的错数。目前主要失分项集中在跨年对比——科目重述与口径变更会让同名字段指向不同含义。
下一步计划有两点：一是把「科目口径变更」显式标注进知识层，让模型在对比时先对齐口径再计算；二是将拒答阈值与人工复核节点做成可配置项，先服务所内的投研与信披核查流程，暂不对外提供结论性输出。
评论