【导读】 金融文档问答（如10-K财报）的本质是“跨越结构化证据的解谜游戏”。现有单次检索+简单生成的RAG模式，面对“去年营收增长率减去前年调整后运营成本”这类问题，基本相当于让鹦鹉做微积分。FinAgent-RAG用三层创新破解困局：一个能区分“4.5亿”和“4.8亿”的对比检索器、一个直接写Python算数的代码思维模块、以及一个能判断“这题需要3次检索还是1次”的智能路由调度器。实验数据证明，这个框架不仅是技术上优雅，部署成本上也比竞品更贴近金融机构的预算底线。
【核心突破】
| 维度 | 传统RAG | FinAgent-RAG | 关键提升 |
|---|---|---|---|
| 检索机制 | 基于向量相似度单次命中 | 硬负例对比训练 + 迭代精化 | 数值区分力↑27% |
| 推理引擎 | LLM“心算”多步逻辑 | Program-of-Thought | 算术准确率↑19.3% |
| 资源调度 | 固定检索-生成流程 | 自适应策略路由器 | API成本↓41.3% |
| 最佳基准 | 最大执行准确率~67.3% | 76.81% | +9.5% |
【深度解析】 1. 对比检索器：如何让模型读懂“近似实体”的差异？
金融文本中“营业收入同比增长5%”和“营业收入同比增长3%”在语义空间里几乎重合，传统检索器会误判。FinAgent-RAG构建硬负例训练集，强制模型对数值敏感的片段施加更高注意力权重。具体来说，对每段正样本，选出与其语义最接近但数值不同的片段作为负例（如从“净利润12亿美元”中找到“净利润11.8亿美元”），训练对比损失使得表征向量在数值维度上拉开距离。
点击展开原理
训练时，使用InfoNCE损失函数，其中正样本对为(查询，正确段落)，负样本为(查询，数值近似但错误段落)。查询编码器和段落编码器共享Transformer权重，并在顶端接入一个**数值差异感知头**，对数字token的embedding增加位置编码扰动。推理时，检索到的前K个段落按数值相关度重排序，确保“毛利21.4亿”不会被“毛利21.9亿”挤压掉。2. 代码思维：为什么不让LLM写代码而非心智算？
这是最精巧的设计。当问题需要多步运算（例如“从2019年总资产中减去2020年递延收益后再除以流通股数”），LLM直接输出思维链的失败率高达34%。FinAgent-RAG将数学推理完全外包给Python：LLM仅负责将自然语言问题分解为若干原子计算步骤，并生成合法Python代码串。随后在沙箱环境中执行，返回精确数值，再作为最终答案引用的证据。
| 推理方法 | 两步运算正确率 | 四步运算正确率 |
|---|---|---|
| 思维链（CoT） | 72.4% | 51.3% |
| 代码思维（PoT） | 91.1% | 84.6% |
3. 自适应路由：如何避免“杀鸡用屠龙刀”？
策略路由器是一个轻量级分类器，输入问题嵌入，输出三个动作之一：简单检索（一步提取）、多步推理（启动PoT循环）、全局检索+交叉验证（先检索大量片段再筛选）。这不仅使简单问题（如“公司CEO是谁”）的处理延迟降低至原来的1/3，更重要的是，在FinQA上节省了41.3%的LLM API调用次数——对预算敏感的金融机构来说，这是商业落地的生死线。
【未来展望】 FinAgent-RAG目前在单文档、单轮问答上表现惊艳，但金融分析师的实际工作是多文档、多轮、动态修正的。未来方向包括：1）跨多个10-K报告的全局实体链接，支持“比较苹果与谷歌的运营利润率”；2）引入交互式纠错：当用户指出“你算的毛利率跟我看到的数对不上”时，系统能自动回溯检索-推理链，定位错误源头并修正；3）更极致的推理效率：将路由器决策与检索器打分融合为一个端到端神经网络，消除人工设计的路由阈值。