构造即可审计：面向企业金融可信LLM分析的本体驱动框架

企业在金融领域采用大语言模型的制约与其说是流畅性，不如说是信任：在财务规划与分析（FP&A）及其他受监管工作流中，一个答案只有能追溯到权威来源且事后可审计才是可用的。本文主张，面向企业金融的检索增强生成应当与准确性一起按可审计性来评估，并提出知识驱动分析框架（KDAF），它通过六个迭代阶段构建本体驱动的知识系统，并通过上下文感知相关性传播（CARP）检索证据，使每个被检索的事实都携带其关系类型、置信度和来源谱系。在FinanceBench（145个问题）上的评估将KDAF与零上下文推理、BM25、概念加权词法检索和无根据图遍历进行比较。第一，检索是必要的：零上下文推理的正确率为4.1%，而检索增强条件为10–12%。第二，在答案正确性上，各检索条件在统计上不可区分（KDAF对BM25：-0.007，95% CI [-0.021, 0.000]），因此仅凭准确性不足以在此论证结构化检索的价值——我们明确报告这一负面结果。第三，在可审计性上顺序逆转：KDAF取得最高的引用可追溯性F1（0.515），超过无根据遍历+0.027（CI [0.006, 0.050]）、超过BM25 +0.052（CI [0.024, 0.083]），区间不含零。图结构检索还不允许任何来自问题主体实体之外的证据（426项中0项，而词法基线为16.8%和20.2%），且每个被选中的条目都解析出完整的来源链。我们主张，可审计性而非准确性，才是本体扎根检索证明自身成本合理的轴心。