MoCA-Agent：面向金融与数值推理的声明市场编码智能体

财务和表格问题的回答需要的不仅仅是流畅的推理：答案必须基于支持它们的确切事实、公式、单位、符号和尺度。单个误读单元格或不正确的操作可能会默默地产生看似合理但错误的结果。我们引入了 \textsc{MOCA-Agent}，一种声明市场代码代理，它用声明级验证取代了自由形式的多代理辩论。该系统将每个问题分解为类型化的原子声明，要求专业交易员代理购买或出售这些声明，将其订单清除为置信加权的接受/拒绝决策，并根据市场支持的证据合成可执行的 Python 程序。然后，代码感知验证者检查程序的执行情况、结构一致性和常见财务推理错误，最多进行一轮市场感知修复。在涵盖金融数值推理、一般表格推理、ESG 问答和多模态图表推理的十个公共基准测试中，\textsc{MOCA-Agent} 使用固定的 Qwen3.6-27B 主干网实现了出色的性能，包括 FinQA 上的 $78.3\%$、FinanceMath 上的 $76.0\%$、MultiHiertt 上的 $71.2\%$、ESGenius 上的 $86.9\%$ 和FinChart-Bench 平均价格为 85.6\%$。这些结果表明，在原子声明级别（而不是整个答案）聚合证据可以提高高风险数字推理的稳健性。\脚注{代码和数据可用：https://github.com/UBC-NLP/MoCA-Agent。