FinDialogLens：多方金融对话事件抽取

多方金融聊天室对销售交易专业人士至关重要，但其复杂性使人工找回漏掉交易不可行：每个询价（RFQ）是一个事件，其最终价格与成交结果出现在触发消息后许多条消息处，并与其他参与者的并发RFQ交织。我们将其表述为多方对话上的事件抽取（EE），提出混合LLM管道FinDialogLens：紧凑微调分类器充当推理时脚手架，检测RFQ触发与价格/成交结果元数据；RFQ级模块切分每事件RFQ窗口；Trade Engine填充论元角色。使用GPT-4o时，最终价格与成交结果准确率分别达92.1%与94.3%，优于全聊天室CoT提示方法；仅3B参数的微调开源LLM用少量域内数据即可达到可比性能。为使方案可规模化，难度感知路由器在低成本规则引擎与更高性能的LLM Trade Engine之间分配RFQ以平衡成本与准确率：最终价格任务上削减85%的LLM调用，同时收回与GPT-4o一半的准确率差距，在每日7万RFQ规模下每天节省超300美元。