HC-RAG：异构财务申报的以证据为中心的检索增强生成

回答年度报告的财务问题需要的不仅仅是检索语义相似的段落。它通常涉及识别相关公司和会计年度、定位标准化归档部分、收集文本和表格证据以及根据原始文件检查答案。然而，现有的 RAG 系统通常将长文件扁平化为无序块，对财务报告的类型结构关注有限，并使用固定的文本表融合策略而不考虑查询意图。为了解决这些限制，我们提出了 \textbf{HC-RAG}，这是一种用于以证据为中心的财务 QA 的分层跨模式检索增强生成框架。 HC-RAG 将归档组织成包含文档、部分、文本单元、表格单元和元数据节点的类型化财务证据图。它通过文档部分单元路径检索证据，在共享检索空间中对齐文本和表格证据，并根据四种语义意图路由证据：计算、趋势、事实和比较。我们进一步引入 \textbf{Multi-Doc-2025}，这是一个基准，包含 2,327 个经过专家验证的 QA 对，来自 2022--2024 财年 87 家标准普尔 500 强公司的 179 份 SEC 10-K 文件，并带有意图、难度和结构证据属性的标签。公共金融 QA 基准和 Multi-Doc-2025 的实验表明，HC-RAG 提高了答案质量和证据本地化，特别是在长文档、表格相关和跨文档设置中。 HC-RAG 在 DocFinQA 上比 RAPTOR 好 6.6 个 F1 点，在 Multi-Doc-2025 上比 GraphRAG 好 10.9 个 F1 点。证据级分析和消融研究表明，改进主要来自更准确的部分定位、表格基础、跨文档证据聚合和意图感知文本表路由。