通过自我改进的 RAG 迈向专业财务 QA

专家级财务问答既需要有根据的验证来捕获数字幻觉，又需要审计跟踪以确保合规性，而这些属性是标准单通道 RAG 系统所缺乏的。我们通过 Self-Improving RAG 朝着这一目标迈出了一步，该框架将文档 QA 分解为三个专门的代理（检索、推理和判断），并由具有反馈驱动的自我纠正功能的编排器进行协调。当判断代理的答案得分低于动态阈值时，系统会触发重试，并采取升级策略：更广泛的检索、更仔细的提示以及放宽的接受标准。我们在 FinanceBench（SEC 备案 QA）上进行评估，其中 Self-Improving RAG 达到了 86% 的预言机引导准确率（衡量与标准答案的一致性）和 36.4% 的拉撒路率，通过有针对性的重试恢复了十分之四的最初错误答案。一个重要的发现是，具有判断驱动重试的固定检索管道无需动态路由即可实现出色的结果，从而提供完全的可解释性。每个决策都会记录置信度分数，从而实现受监管的金融应用程序所需的审计跟踪。