CIFQA：基于确定性工具的多代理 LLM 财务查询回答框架

arXiv:2608.26114v1 公告类型：新 摘要：计算密集型金融问答需要对结构化利率、时间条件、数值公式和基于规则的约束进行精确推理。尽管大型语言模型 (LLM) 在自然语言任务上表现出色，但在解决多步骤金融计算时，它们经常会产生数字上不正确但看似合理的答案。为了解决这一限制，我们引入了 CIFQA（计算密集型金融查询应答），这是一种基于确定性工具的多代理 LLM 框架，用于金融问答。 CIFQA 通过分配专门的代理来执行查询解释、路由、参数提取、计算规划和响应生成，将语言理解与数值执行分开，而基于 Python 的确定性工具则执行财务计算和规则应用。我们实例化用于定期存款查询应答的 CIFQA，并根据定期存款查询的策划基准对其进行评估。 CIFQA 在计算密集型查询上的准确率达到 95.54%，总体准确率达到 90.87%，即使提供完整的公式、价目表和基准说明，也远远优于直接的 LLM 基线。消融研究表明，确定性组件（例如精确利率查找、任期计算、滚动年度调整和提前退出逻辑）是性能的关键贡献者。值得注意的是，在 CIFQA 内运行的 17B 开源主干网的性能优于使用相同财务信息评估的更大的前沿模型，这表明架构设计是数值可靠性比模型规模更重要的决定因素。在对定期存款查询进行评估时，CIFQA 为计算密集型财务推理任务提供了一个通用框架。