FinAgent-RAG: Pénzügyi dokumentumok elemzését gyorsítja az új AI-rendszer

A pénzügyi dokumentumokból származó kérdések megválaszolása (QA) gyakran összetett, több lépéses numerikus érvelést igényel, amely heterogén bizonyítékokat – strukturált táblázatokat, szöveges narratívákat és lábjegyzeteket – használ fel a vállalati jelentésekből. A meglévő lekérdezés-alapú generációs (RAG) megközelítések egyetlen lépésben hajtják végre a lekérdezést, majd a generálást, ami nehézséget okoz a pénzügyi elemzésben gyakori összetett érvelési láncokkal — írja az ArXiv-en megjelent tanulmány.

A kutatók most bemutatták a FinAgent-RAG-ot, egy ügynöki RAG rendszert, amely iteratív lekérdezési és érvelési ciklusokat szervez önellenőrzéssel. Ezt kifejezetten a pénzügyi numerikus érvelés pontossági követelményeire tervezték.

A FinAgent-RAG három domain-specifikus innovációt integrál. Az első egy kontrasztív pénzügyi lekérdező, amelyet kemény negatív minták bányászatával képeztek ki, hogy megkülönböztesse a szemantikailag hasonló, de numerikusan eltérő pénzügyi szövegrészeket. A második egy Program-of-Thought érvelési modul, amely végrehajtható Python kódot generál a pontos aritmetikai műveletekhez.

A rendszer célja, hogy jelentősen javítsa a pénzügyi elemzési feladatok pontosságát és megbízhatóságát a jelenlegi RAG-megoldásokhoz képest, különösen ott, ahol a több lépéses logikai következtetés elengedhetetlen. A FinAgent-RAG így egy új megközelítést kínál a pénzügyi adatok értelmezésére és a komplex kérdések megválaszolására.