FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim Verification
本文提出了 FinGround，这是一个针对金融文档问答的三阶段“先验证后锚定”流水线，通过将回答分解为原子声明并结合金融专用分类与公式重构进行验证，在确保检索质量一致的前提下，显著降低了金融大模型的幻觉率并实现了低成本、高效率的部署。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
1. 背景：那个“爱吹牛”的实习生
想象一下，你公司新招了一个非常聪明、读过所有财报的实习生（这就是现在的 GPT-4 等大模型）。他说话语速极快，看起来无所不知，但有一个致命的毛病：他特别爱“编”！
当你想问他：“这家公司去年的利润率是多少？”他可能会信誓旦旦地告诉你一个数字。如果他记错了，或者算错了，他不仅不会道歉，还会一本正经地编造一个听起来很专业的理由。在金融世界里，这种“一本正经的胡说八道”可能会导致数亿元的投资错误，甚至触犯法律。
2. FinGround 是什么？——“超级审计师”
FinGround 并不是一个新的实习生，它更像是一个**“资深审计师”。它的任务不是直接回答问题，而是盯着那个实习生说的话，进行“逐句查账”**。
它的工作分为三个严密的步骤：
第一步：精准找证据（像拿着放大镜找账本）
普通的 AI 找资料就像在图书馆里乱翻书，容易漏掉细节。FinGround 像是一个拿着高倍放大镜的审计师，它不仅看文字描述，还会盯着财报里的表格。它知道，金融的核心数据往往藏在那些密密麻麻的表格单元格里，而不是在感性的文字里。
第二步：拆解与核对（像把合同拆成一条条条款）
这是 FinGround 最厉害的地方。它不会只听实习生说一整段话，它会把这段话拆成一个个“微小的断言”。
- 普通 AI： “公司去年表现很好，利润增长了 10%。”（这太模糊了，很难查）
- FinGround： 它会拆成：
- “时间是去年” (时间类)
- “利润增长了” (比较类)
- “增长幅度是 10%” (数值类)
- “这个 10% 是通过 A 除以 B 算出来的” (计算类)
针对不同类型的“断言”，它有不同的**“查账套路”**。如果是计算题，它甚至会自己拿计算器重新算一遍，看看实习生算得对不对。
第三步：纠错与标注（像在错题本上写批注）
如果发现实习生说错了，FinGround 不会直接把答案扔掉，而是会**“温和地纠正”。
它会把错的地方改过来，并且在后面贴上“证据标签”**。比如：“利润增长了 12% [来源：2023年财报，第45页，第三行表格]”。这样，人类用户一眼就能看到证据在哪，心里就有底了。
3. 这项研究厉害在哪里？（核心成就）
- 极高的准确率： 相比于直接问 GPT-4，用了 FinGround 之后，AI 犯错的概率降低了 78%。
- 又快又便宜： 研究人员通过一种叫“蒸馏”的技术，把一个超级庞大的“大脑”浓缩成了一个**“精干的小脑”**（8B 模型）。这个小脑虽然体积小，但干起审计的活来，速度比原来的大模型快了 18 倍，成本也便宜了 15 倍以上。这就像是把一个昂贵的专家团队，变成了一个随叫随到、价格极低的自动化审计软件。
- 不仅能看文字，还能看表格： 它解决了目前很多 AI “看不懂表格”或者“对不齐表格”的痛点。
总结一下
FinGround 就像是给一个爱吹牛的聪明实习生配了一个极其严谨、自带计算器、且能精准定位证据的“审计主管”。
它让 AI 从一个“只会聊天、偶尔撒谎”的聊天机器人，变成了一个“说话必须带证据、算账必须对得上”的专业金融助手。这对于即将到来的 AI 监管时代（比如欧盟的 AI 法案）来说，是金融行业迈向安全应用的关键一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。