IPO Finance Agent：結合長文件檢索的金融模型新基準
Finance Agent v2 只適用於 SEC 定期報告，處理 IPO S‑1 文件時因篇幅過長失效。研究者以上下文檢索與自動評分管線擴充模型，推出 IPO Finance Agent，並以 Qwen 3.7 Max 取得 79.4% 準確率，成本僅 0.30 美元，顯著優於既有基準。
背景與挑戰
Finance Agent v2 由 Vals AI 開發，長期以 SEC 10‑K、10‑Q 為測試標的，評估 Anthropic Claude 與 OpenAI ChatGPT 等前沿語言模型在金融任務上的表現。然而，它僅支援簡短的定期報告，對於篇幅更長、資訊更複雜的 IPO S‑1 文件（包含歷史財報、治理結構、資本形成敘事與承銷風險揭露）幾乎無法產出有效回應。
IPO Finance Agent 的兩大改進
為解決上述問題，研究團隊在 Finance Agent v2 框架上延伸出兩項關鍵改進：
- 任務領域擴展至 IPO 盡職調查，建立 1,000 條相關問題集，並公開 70 題 SpaceX (SPCX) S‑1 範例以利可重現性。
- 檢索架構升級為上下文檢索（contextual retrieval），採用業界標準的長文件檢索方式，克服原先的純碎片檢索限制。
自動化評分流水線
研究者設計了 evaluator‑optimizer pipeline，先從模型回答中抽取事實，再自動生成草案評分標準，接著利用大型語言模型檢查遺漏、幻覺、重複等問題，最後由人工專家審核最終標準。此流程大幅降低人工標註成本，同時提升評分一致性。
實驗結果與成本效益
在新基準上測試多款模型，表現最佳的是阿里巴巴的 Qwen 3.7 Max，正確率達 79.4%，每次查詢成本 0.30 美元。性價比最高的是小米 MiMo‑2.5 Pro，正確率 76.8%，查詢成本僅 0.05 美元。兩者皆遠超過 Finance Agent v2 最高分 Google Gemini 3.5 Flash（57.9% 正確率、2.51 美元/次），亦優於原先最便宜的 MiniMax M3（48.3% 正確率、0.32 美元/次）。
開放資源
完整程式碼與資料已於 GitHub 釋出，供研究社群進一步驗證與擴充。
延伸閱讀
- 從提示到情境：CCAI 本體論在生成式人工智慧協作中的實作
- MOOSE-Copilot：以 HAII 協議與樹狀可視化串接 LLM 的探索與精細化流程
- Eliot：以 MiniLM 嵌入、UMAP 與凝聚式聚類實現查詢時 arXiv 論文叢集與時間視覺化
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
