CA-ThinkFlow 以 14B 量化模型加 RAG 在会计基准上达到大模型约七成表现。
资讯摘要
论文提出 CA-ThinkFlow，一个参数高效的检索增强生成框架，采用 14B、4-bit 量化的 14B-DeepSeek-R1 推理模型，并配合布局感知的 Docling 抽取系统以保留文档结构。系统将检索信息自动注入提示，依赖模型内置思维链生成答案。作者报告在多层 CA-Ben 基准上，其 Scholastic Reliability Coefficient 达到 GPT-4o 与 Claude 3.5 Sonnet 的 68.75%，但在税务等复杂监管文本推理上仍存在不足。
要点速读
- 框架使用 14B、4-bit 量化的 14B-DeepSeek-R1 推理模型，并以 Docling 做布局感知抽取。
- 采用基础 RAG 将检索内容注入提示，依赖模型内置思维链生成答案。
- 作者报告在 CA-Ben 基准上 SRC 为 GPT-4o 和 Claude 3.5 Sonnet 的 68.75%，复杂监管文本推理仍失败。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。