Resumen Técnico: FinGround

1. El Problema: Alucinaciones en el Dominio Financiero

Los sistemas de Inteligencia Artificial (LLMs) aplicados a las finanzas enfrentan un desafío crítico: la generación de alucinaciones que incluyen la fabricación de métricas, la invención de citas regulatorias y errores en cálculos derivados. A diferencia de otros dominios, en finanzas estos errores tienen consecuencias legales directas, especialmente ante la proximidad de la implementación de la Ley de IA de la UE (EU AI Act) en agosto de 2026.

El estudio identifica que los detectores de alucinaciones actuales fallan porque tratan todas las afirmaciones de forma uniforme. Esto provoca que se pierda aproximadamente el 43% de los errores computacionales, ya que los modelos genéricos no pueden verificar cifras contra tablas estructuradas mediante procesos aritméticos.

2. Metodología: El Pipeline de Tres Etapas

Los autores proponen FINGROUND, un sistema de "verificación y fundamentación" (verify-then-ground) diseñado específicamente para documentos financieros híbridos (texto y tablas).

Etapa 1: Recuperación Híbrida Consciente de Finanzas (Finance-Aware Retrieval)

El sistema clasifica las consultas en tres niveles de complejidad (Simple, Moderada, Compleja) mediante un clasificador RoBERTa.

• Simple: Recuperación BM25.
• Moderada: Combinación de recuperación densa (E5-large) y extracción de tablas mediante una función de similitud que considera tanto el contenido de la celda como el encabezado de la columna.
• Compleja: Un bucle iterativo de recuperación y razonamiento.
• Innovación: Utiliza un fragmentado (chunking) sensible a la estructura que preserva las relaciones fila-columna para permitir la atribución precisa.

Etapa 2: Verificación Atómica de Afirmaciones (Atomic Claim Verification)

En lugar de evaluar la respuesta completa, el sistema la descompone en afirmaciones atómicas clasificadas en una taxonomía de seis tipos:

1. Numérica: Valores específicos.
2. Temporal: Referencias a periodos de tiempo.
3. Entidad-Atributo: Propiedades de una entidad.
4. Comparativa: Comparaciones entre periodos o entidades.
5. Regulatoria: Referencias a normativas.
6. Computacional: Cantidades derivadas que requieren aritmética.

Para las afirmaciones computacionales, FINGROUND no usa solo lógica lingüística (NLI), sino que realiza una reconstrucción de fórmulas: identifica la fórmula implícita, recupera los operandos de las tablas y vuelve a calcular el resultado con un margen de tolerancia del $\pm0.5\%$.

Etapa 3: Regeneración Fundamentada (Grounded Regeneration)

Las afirmaciones detectadas como contradictorias o no verificables son reescritas. El sistema realiza una re-recuperación dirigida y genera una nueva afirmación que incluye citaciones a nivel de celda de tabla o párrafo (ej. [Doc: d, Table t, Row r, Col c]).

3. Contribuciones Clave

1. Taxonomía Financiera Especializada: Un método de descomposición que permite estrategias de verificación diferenciadas según el tipo de dato.
2. Atribución de Celdas de Tabla: Capacidad de vincular una afirmación directamente con una coordenada específica en un reporte financiero.
3. Detector Destilado de Alta Eficiencia: Los autores destilaron el conocimiento de GPT-4o en un modelo de 8B parámetros (Llama-3), logrando un 91.4% de F1 con una latencia 18 veces menor y un costo de solo \0.003$ por consulta.
4. Evaluación de Recuperación Igualada (Retrieval-Equalized Evaluation): Una nueva metodología de evaluación que asegura que las mejoras observadas se deban a la capacidad de verificación y no simplemente a una mejor recuperación de documentos.

4. Resultados Principales

• Reducción de Alucinaciones: FINGROUND logra una reducción del 78% en la tasa de alucinación en comparación con GPT-4o + Chain-of-Thought.
• Rendimiento en Verificación: El detector de 8B alcanza un 91.4% de F1, manteniendo casi todo el rendimiento del modelo "maestro" (GPT-4o) pero de forma mucho más económica y rápida.
• Superioridad Arquitectónica: Incluso cuando se equipa a otros modelos (como Self-RAG o CRAG) con la misma capacidad de recuperación de FINGROUND, el sistema sigue superándolos significativamente, lo que demuestra que su ventaja reside en la arquitectura de verificación atómica.
• Éxito en lo Computacional: La reconstrucción de fórmulas aumentó el F1 en afirmaciones computacionales en un 18.9% respecto a otros métodos.

5. Significancia y Aplicación Práctica

El estudio demuestra que FINGROUND es viable para entornos de producción real. Un piloto de cuatro semanas con 24 analistas financieros confirmó que el sistema es aceptable para el uso profesional, destacando que las citaciones a nivel de celda y las explicaciones de contradicción (ej. "La fuente dice \4.2B pero la respuesta dice \4.8B") son las funciones más valoradas.

En resumen, el trabajo establece un nuevo estándar para la IA en finanzas, moviéndose de modelos que simplemente "responden" a sistemas que "verifican y prueban" cada dato mediante evidencia estructurada.