論文の概要: FinCARDS: Card-Based Analyst Reranking for Financial Document Question Answering

• arxiv url: http://arxiv.org/abs/2601.06992v1
• Date: Sun, 11 Jan 2026 17:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.103474
• Title: FinCARDS: Card-Based Analyst Reranking for Financial Document Question Answering
• Title（参考訳）: FinCARDS: カードベースのアナリストが財務文書の質問に回答
• Authors: Yixi Zhou, Fan Zhang, Yu Chen, Haipeng Zhang, Preslav Nakov, Zhuohan Xie,
• Abstract要約: FinCardsは、ファイナンシャル・アウェア・スキーマの下で、制約満足度として財務証拠の選択を再構成する構造化されたリグレード・フレームワークである。 証拠は、安定性を意識したアグリゲーションを備えたマルチステージトーナメントを通じて選択され、監査可能な決定トレースを生成する。
• 参考スコア（独自算出の注目度）: 46.71622104797789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial question answering (QA) over long corporate filings requires evidence to satisfy strict constraints on entities, financial metrics, fiscal periods, and numeric values. However, existing LLM-based rerankers primarily optimize semantic relevance, leading to unstable rankings and opaque decisions on long documents. We propose FinCards, a structured reranking framework that reframes financial evidence selection as constraint satisfaction under a finance-aware schema. FinCards represents filing chunks and questions using aligned schema fields (entities, metrics, periods, and numeric spans), enabling deterministic field-level matching. Evidence is selected via a multi-stage tournament reranking with stability-aware aggregation, producing auditable decision traces. Across two corporate filing QA benchmarks, FinCards substantially improves early-rank retrieval over both lexical and LLM-based reranking baselines, while reducing ranking variance, without requiring model fine-tuning or unpredictable inference budgets. Our code is available at https://github.com/XanderZhou2022/FINCARDS.
• Abstract（参考訳）: 長期の企業申請に対する金融質問応答(QA)は、エンティティ、財務指標、財政期間、および数値の厳格な制約を満たす証拠を必要とする。 しかし、既存のLLMベースのリランカは、主に意味的関連性を最適化し、不安定なランク付けと長いドキュメント上の不透明な決定につながる。 ファイナンシャル・アウェア・スキーマに基づく制約満足度として、財務証拠選択を再構成する構造化されたリグレード・フレームワークであるFinCardsを提案する。 FinCardsは、整列スキーマフィールド(エンティティ、メトリクス、期間、数値スパン)を使用して、ファイリングチャンクと質問を表現し、決定論的フィールドレベルのマッチングを可能にする。 証拠は、安定性を意識したアグリゲーションを備えたマルチステージトーナメントを通じて選択され、監査可能な決定トレースを生成する。 2つの企業QAベンチマークにおいて、FinCardsは、モデル微調整や予測不可能な推論予算を必要とせずに、語彙ベースとLLMベースのリランクベースラインの早期検索を大幅に改善する。 私たちのコードはhttps://github.com/XanderZhou2022/FINCARDS.comで利用可能です。

関連論文リスト

• FinLFQA: Evaluating Attributed Text Generation of LLMs in Financial Long-Form Question Answering [57.43420753842626]
  FinLFQAは、複雑な財務問題に対する長文の回答を生成するための大規模言語モデルの能力を評価するために設計されたベンチマークである。 回答品質と属性品質の両方をカバーする自動評価フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-07T20:06:15Z)
• FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
  FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。 このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。 我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-07T22:15:22Z)
• FinChain: A Symbolic Benchmark for Verifiable Chain-of-Thought Financial Reasoning [82.7292329605713]
  FinChainは、ファイナンスにおける検証可能なChain-of-Thought評価のために特別に設計された最初のベンチマークである。 12の金融ドメインに58のトピックがあり、それぞれがパラメータ化されたシンボリックテンプレートと実行可能なPythonトレースで表現されている。 FinChainは、多段階の財務推論における永続的な弱点を明らかにし、信頼できる、解釈可能な、検証可能な金融AIを開発するための基盤を提供する。
  論文  参考訳（メタデータ） (2025-06-03T06:44:42Z)
• FinSage: A Multi-aspect RAG System for Financial Filings Question Answering [10.953520766530005]
  FinSageはマルチモーダルな事前処理パイプラインで、多様なデータフォーマットを統一し、メタデータの要約を生成する。 実験の結果、FinSageは75人の専門家による質問に対して92.51%の印象的なリコールを達成した。 FinSageは、すでに1200人以上が利用しているオンラインミーティングにおいて、財務的な質問応答エージェントとして成功している。
  論文  参考訳（メタデータ） (2025-04-20T04:58:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。