CLAIR-Fin：逐项核验金融主张的多智能体对抗框架

在检索增强和多智能体管道中，现有的针对幻觉的防御措施仍然是片面的：尽管模态存在分歧，证据仍然可信，辩论验证的是总体报告而不是个人主张，而且这种验证仅在起草后进行，使得智能体之间的错误在最终文本之前未被发现。为了弥补这一差距，我们提出了 CLAIR-Fin，这是一个九代理框架，它将每个问题分解为在类型化的金融索赔账本中维护的原子索赔。每项索赔均通过非对称证据权威解决，该机构根据索赔类型确定证据信任，而不是将所有模式视为同等可靠；证据传递链核验，在起草和对抗性审查之间的交接处检查证据对齐情况，而不仅仅是在管道出口处；适应性反驳循环，通过对抗性辩论来引导有争议的主张，辩论的深度与辩论发现的内容成比例；以及与连续幻觉风险指数相结合的最终必然审计，该指数将通过审查的主张与从未提出异议的主张区分开来。我们在 BB-FinQA-X 上评估 CLAIR-Fin，BB-FinQA-X 是一个由 500 个问题的跨模式财务评估集，根据孟加拉国银行年度报告材料构建，按查询类型、格式和难度进行分层。相对于单遍检索增强生成基线，它提高了 忠实性 ($0.780 \rightarrow 0.889$)，同时在证据不足时放弃 5.4% 的问题，而不是强制做出不受支持的响应，并且它超过了更强的检索策略基线，例如 忠实性 上的 HyDE 和 Graph-RAG ($\leq 0.874$）。