StocksTalk: A Voice-Enabled Conversational Agent for Structured Query Generation over Web Data
StocksTalk 是一个透明的、支持语音交互的对话式智能体，它通过结合流式语音识别、检索增强型约束提取以及交互式的人机回环验证，将口头金融请求转化为经过验证且可执行的 SQL 查询，从而在准确性和稳定性方面超越了基准大语言模型方法。
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
在金融领域，做出决策往往感觉就像是在草堆中寻找针头，但这个草堆是由数百万个数字组成的，而针头则是特定的增长或价值模式。几十年来，研究人员一直试图教会计算机理解人类语言，以便任何人都可以通过提问从数据库中获得精确的答案。这一被称为“文本转SQL”（text-to-SQL）的领域，旨在将人类表达的混乱、灵活的方式，转化为计算机数据库所要求的严谨、精确的语言。然而，大多数此类系统都在安静、完美的条件下针对书面文本进行测试。当面对人类语言的现实情况时，它们就会显得力不从心——人类的语言往往充满了背景噪音、口音以及表达不完整想法的自然倾向。在投资这一高风险领域，一个被误解的数字就可能导致代价高昂的错误，而人类所说的话与计算机执行的操作之间的差距，便是一个危险的鸿沟。
来自德里印度理工学院（IIIT-Delhi）和新加坡理工大学的研究团队开发了一个名为 StocksTalk 的新系统，旨在弥合这一差距。他们创建了一个语音驱动的助手，专门设计用于将口头投资构想转化为有效的、可运行的数据库查询。不同于那些可能会猜测用户意图并“听天由命”的传统工具，StocksTalk 的构建基于透明与谨慎。它并不将寻找股票的过程视为一次逻辑上的飞跃，而是将其视为一系列谨慎的步骤，其中计算机会检查自己的工作，并邀请人类共同进行校验。该系统倾听用户的发言，将句子分解为具体的财务规则，根据实时市场数据库核对这些规则，然后在实际运行搜索之前，向用户展示其计划执行的操作。
研究人员使用一组精心准备的 150 个语音提示词对该系统进行了测试，涵盖了三种不同类型的投资策略：寻找快速成长的公司、寻找支付定期股息的股票，以及寻找被低估的资产。他们在两种截然不同的环境中记录了这些提示词：一种是在安静的房间里，另一种是在嘈杂的食堂里，以模拟现实世界的干扰。结果显示，虽然标准的、无辅助的人工智能模型在约 81% 的情况下可以生成查询而不崩溃，但它经常产生逻辑不一致或在财务上毫无意义的答案。通过增加验证层以及一种在过程中检索特定财务定义的方法，该系统生成正确查询的能力提升到了接近 98%。更重要的是，在进行往复对话时，该系统保持追踪能力的能力得到了显著提升，从大约 51% 的准确率跃升至近 89%，这得益于人类可以在过程中进行步骤验证。
该系统的核心成功之处在于它如何处理人类语言的不确定性。当用户说“寻找利润率正在改善的大型科技股”时，系统不会立即发起搜索。相反，它首先将语音转换为文本，然后使用检索系统，在特定数据库的语境下查找“利润率正在改善”的具体含义。随后，它构建一个草拟查询并将其显示在仪表盘上。该仪表盘展示了提取的规则、它选择的数学运算符以及它打算运行的最终代码。用户可以查看计算机是否误解了某个数字或类别，并在搜索开始前进行纠正。这种“人机协同”（human-in-the-loop）的方法被证明至关重要，特别是在涉及多个条件的复杂请求中，在这些情况下，仅靠系统本身进行尝试时，每三次中就会出现一次错误。
研究还强调，最大的障碍仍然是语音识别本身的质量。当音频在嘈杂环境中录制时，系统正确识别特定数字和财务术语的能力显著下降，导致最终查询中的错误增多。这表明，虽然逻辑和验证层非常稳健，但最初的清晰听取用户意图的过程仍然是整个链条中最脆弱的部分。研究人员发现，通过将问题分解为更小的、可验证的阶段，他们的这种方法防止了系统将微小的错误累积成巨大的失败。例如，在用户细化搜索的多轮对话中，没有人工验证的系统往往会丢失原始约束条件，而交互式版本则能几乎 90% 地保持正确的路径。
展望未来，团队设想扩展这种方法，将其纳入实时新闻和收益报告，使系统能够回答诸如“上一季度哪些公司的利润超过了预期？”之类的问题，通过获取最新到达的数据来实现。他们还计划让系统将新发现的内容与用户现有的投资组合进行对比，从而提供更个性化的建议。这项工作表明，对于复杂的、高风险的任务，最可靠的途径不是去建造一台试图独立达到完美的机器，而是建造一台知道何时停顿、展示其工作过程并寻求帮助的机器。通过使推理过程可视化且可编辑，StocksTalk 将人工智能的“黑箱”转变为一个协作工具，确保最终答案不仅是一个猜测，而是一个准备好应对现实世界的经过验证的事实。
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。