免训练 PRISM 在金融检索私榜列第三，并公开评测集。
资讯摘要
论文提出免训练框架 PRISM，组合提示工程、上下文学习与候选精炼三个模块，并研究多智能体协调在金融文档检索中的边界条件。在 FiQA-2018 上，堆叠重排与 k-reciprocal 编码将 Recall@100 从 0.7783 提升至 0.8326；在 FinAgentBench 上，Cohere 精炼 top-50 池使单查询成本约降 35%，端到端 NDCG@5 的提升低于该评估的最小可检测效应。作者报告，多智能体协调在细粒度块排序上并非默认更优，固定提示、模型与示例的配对实验在块阶段损失约 0.07 NDCG@5。团队发布专家标注的 FinAgentBench 评测集及 16 种替代真值构造的标签稳健性扫描，并称 PRISM 在官方私榜位列第三（NDCG@5 0.71181），FiQA-2018 NDCG@10 为 0.6197，FinanceBench 准确率 98%。
要点速读
- FiQA-2018 上堆叠重排与 k-reciprocal 编码将 Recall@100 从 0.7783 提升至 0.8326。
- FinAgentBench 上 Cohere 精炼 top-50 池使单查询成本约降 35%，NDCG@5 提升低于最小可检测效应。
- 作者报告官方私榜第三（NDCG@5 0.71181）、FiQA-2018 NDCG@10 0.6197、FinanceBench 准确率 98%，并发布评测集与代码。
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 2026/10/23 08:00:11（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。