FinAcumen：经自演化经验记忆测试框架的金融多模态推理

金融多模态推理要求智能体协调跨异构证据源的数值计算、检索、视觉解释与时间定位。既有工具增广智能体改进执行保真度——但跨episode基本无状态——反复重新发现推理策略与失败模式。在高风险金融设定中——这导致不可靠的工具路由、噪声检索与易幻觉推理。我们呈现FinAcumen——以选择性经验记忆为中心、面向工具增广多模态推理的金融推理智能体框架。FinAcumen从先前轨迹积累金融锚定的推理经验——把成功策略与失败衍生的警戒规则蒸馏进持久记忆库。推理时——仅当语义相关性超过校准阈值时检索经验才条件化推理——无关记忆经回退机制被显式抑制。确定性金融工具环境进一步锚定数值计算、检索、视觉解码与答案验证。跨四个金融多模态推理基准——FinAcumen使冻结的8B视觉语言模型持续超越金融专用模型——并逼近领先的专有通用模型。进一步分析表明选择性经验激活在检索不确定性下改进推理可靠性。代码见 https://github.com/CamelliaLilium/FinAcumen。