V-FiLLM: Verified Financial LLM Reasoning Benchmark
ETH Zürich(苏黎世联邦理工学院);Aisot Technologies Ltd(艾索特科技有限公司)
本文提出V-FiLLM框架生成高可靠性金融推理基准,发现开源模型在金融推理深度增加及数值扰动下准确率显著下降,轻量级LoRA微调可提升模型在相关任务的表现。
2026-08-12 cs.AI cs.CE cs.LG
FinChain: A Symbolic Benchmark for Verifiable Chain-of-Thought Financial Reasoning
MBZUAI;Syllogia;The University of Tokyo(东京大学);The Fin AI(Fin AI);Cornell University(康奈尔大学);The University of Melbourne(墨尔本大学);IIT Delhi(德里理工学院);The University of Manchester(曼彻斯特大学)
FinChain通过符号模板和可执行代码实现可验证的金融链式推理,评估26种LLM发现其在符号金融推理中存在明显缺陷,领域适应和数学增强的微调模型能显著缩小差距。
2026-04-30 cs.AI cs.CL cs.LG
FinHEAR: Human Expertise and Adaptive Risk-Aware Temporal Reasoning for Financial Decision-Making
Fudan University(复旦大学);Tensorpacific;Peng Cheng Laboratory(鹏城实验室);Meta AI;Shanghai Academy of AI for Science (SAIS)(上海人工智能科学研究院)
FinHEAR提出多智能体框架,结合人类专家知识与自适应风险感知,提升金融决策的时序推理与鲁棒性,在趋势预测和交易中优于强基线。
2025-10-17 cs.AI cs.LG q-fin.CP
FinMR: A Knowledge-Intensive Multimodal Benchmark for Advanced Financial Reasoning
FinMR是一个面向高级金融推理的知识密集型多模态基准,通过精心设计的问题-答案对和多样化的金融主题,评估专业分析师级别的金融推理能力。
2025-11-22 cs.AI
Exploring the In-Context Learning Capabilities of LLMs for Money Laundering Detection in Financial Graphs
The Vanguard Group, Inc.(先锋集团)
本文研究了LLMs在金融图谱中进行反洗钱检测的能力,通过提取局部子图并利用少量样本进行情境学习,展示LLMs在识别可疑行为和生成解释方面的潜力。
2025-10-29 cs.AI cs.LG
DianJin-R1: Evaluating and Enhancing Financial Reasoning in Large Language Models
Alibaba Cloud Computing(阿里云);Soochow University(苏州大学)
DianJin-R1通过推理增强监督和GRPO强化学习,提升金融领域LLM的推理能力,在多个基准上优于非推理模型,并匹配多智能体系统性能。
2025-04-22 cs.AI
Reasoning or Overthinking: Evaluating Large Language Models on Financial Sentiment Analysis
BlackRock, Inc.(黑石公司)
本文在金融情感分析任务上评估多种大语言模型,发现推理或思维链提示并未提升性能,反而可能引发过度思考,GPT-4o无思维链时表现最佳,表明系统1式直觉思维更契合人类判断。
2025-06-05 cs.AI cs.CL
FinLLMs: A Framework for Financial Reasoning Dataset Generation with Large Language Models
Beijing Institute of Technology(北京理工大学);Central University of Finance and Economics(中央财经大学);Soochow University(苏州大学);Fordham University(福特汉姆大学)
本文提出 FinLLMs 框架,通过金融公式图谱组合扩充公式,并利用 GPT-3.5 生成含表格与长文本的金融问答数据,提升了多个数值推理模型的性能。
2024-01-19 cs.AI
Analogy-Driven Financial Chain-of-Thought (AD-FCoT): A Prompting Approach for Financial Sentiment Analysis
New York University(纽约大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对金融新闻情感分析中复杂经济背景捕捉难和推理透明度低的问题,提出AD-FCoT提示框架,结合类比推理与思维链引导LLM进行逐步推理,无需微调即在分类准确率、市场回报相关性及可解释性上超越基线。
2025-09-16 cs.AI
Empowering Small Language Models with Factual Hallucination-Aware Reasoning for Financial Classification
Decision Science Center of Excellence(决策科学中心卓越机构);American Express(美国运通)
本文提出AAAI流程,通过缓解事实幻觉提升小型语言模型在金融分类中的性能。
2026-01-04 cs.AI
Reasoning Beyond the Obvious: Evaluating Divergent and Convergent Thinking in LLMs for Financial Scenarios
Deep Insight Labs(深洞察实验室)
本文提出 ConDiFi 基准,通过宏观金融提示与对抗性多选题评估 LLM 的发散和收敛推理,并比较 14 个模型在金融决策中的表现。
2025-07-24 cs.AI
Fine-tuning Smaller Language Models for Question Answering over Financial Documents
EY Global Delivery Services India LLP(安永全球交付服务印度有限责任公司)
本研究探索在金融领域微调较小语言模型以解决需多跳数值推理的问答任务,证明其生成推理程序的性能接近大教师模型,并细粒度分析了微调对概念应用与实体提取能力的提升及小数据集的有效性。
2024-08-22 cs.AI cs.CL cs.LG
Case-Based Reasoning Approach for Solving Financial Question Answering
Seoul National University(首尔大学)
针对金融问答中数值推理错误率高的问题,提出基于案例推理的方法,通过检索相似案例生成答案,在FinQA数据集上表现竞争性,并扩展案例库以解决复杂多步程序。
2024-05-18 cs.AI cs.CL cs.IR
Zero-Shot Question Answering over Financial Documents using Large Language Models
EY Global Delivery Services India LLP(安永全球交付服务印度有限责任合伙公司)
本文提出一种基于大型语言模型的零样本提示方法,通过引导LLM将复杂推理编码为可执行程序,解决了金融文档多跳数值推理问答问题,显著提升了准确率。
2023-11-19 cs.AI cs.CL cs.LG
Evaluating Large Language Models for Financial Reasoning: A CFA-Based Benchmark Study
本研究基于CFA三级官方模拟题构建金融推理基准,评估不同设计取向的大语言模型在零样本及新型RAG流程下的表现,发现推理型模型零样本表现最优,RAG可显著提升复杂场景性能,为金融领域LLM部署提供指导。
2025-08-29 cs.AI cs.CL
ASDA: Automated Skill Distillation and Adaptation for Financial Reasoning
The University of Hong Kong(香港大学)
ASDA通过迭代误差纠正学习生成结构化技能 artifact,无需修改模型权重,在金融推理任务中实现显著提升,优于无训练基线。
2026-09-09 cs.AI cs.CE cs.CL
From Documents to Reasoning: A Validated Synthetic Data Pipeline and Semantic-Aware Fine-Tuning for Financial Numerical Reasoning
Accenture Labs(埃森哲实验室)
本研究针对金融数值推理任务,提出经验证合成数据流水线与语义感知微调方法,结合QLoRA、新型评估指标及改进损失函数,在ConvFinQA数据集上实现问答准确率显著提升。
2026-08-31 cs.AI
Beyond Classification: Financial Reasoning in State-of-the-Art Language Models
Seoul National University of Science and Technology(首尔国立科技大学);Seoul National University(首尔国立大学);MODULABS;Yonsei University(延世大学);OneLineAI;Chung-Ang University(中央大学)
本研究全面调查了大型语言模型在金融推理领域的应用,发现6B参数规模是生成连贯金融推理的起点,并发布了包含11,802个样本的sFIOG数据集以支持该领域研究。
2023-06-25 cs.AI cs.CL cs.CY
Can ChatGPT Overcome Behavioral Biases in the Financial Sector? Classify-and-Rethink: Multi-Step Zero-Shot Reasoning in the Gold Investment
Hong Kong University of Science and Technology(香港科技大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);E Fund Management Co., Ltd(易方达基金管理有限公司)
针对零样本思维链在金融推理领域受关注不足的问题,该研究探索多种提示策略并结合语义新闻信息,首次将ChatGPT用于黄金投资任务,发现带CoT提示的ChatGPT可克服行为偏差、提升投资回报。
2025-01-16 cs.AI q-fin.ST
Advanced Financial Reasoning at Scale: A Comprehensive Evaluation of Large Language Models on CFA Level III
Rochester Institute of Technology(罗切斯特理工学院);GoodFin, Inc(GoodFin公司);New York University(纽约大学)
本文通过CFA三级考试基准全面评估23个大型语言模型,采用思维链等提示策略,发现o4-mini等模型得分超77%,证明LLM在高级金融推理中取得显著进展,并为模型选择与成本效益部署提供指导。
2025-09-22 cs.AI cs.CL
Program of Thoughts for Financial Reasoning: Leveraging Dynamic In-Context Examples and Generative Retrieval
Indian Institute of Technology Kharagpur(印度理工学院卡格鲁分校)
本文提出FINDER两步框架,结合生成式检索与动态上下文示例的程序思维提示,提升LLM金融数值推理,在FinQA和ConvFinQA上实现新最先进性能。
2025-10-15 cs.AI cs.CE cs.CL
Reasoning on Time-Series for Financial Technical Analysis
National University of Singapore(国立新加坡大学);Technical University of Munich(慕尼黑技术大学);Singapore Management University(新加坡管理学院);City University of Hong Kong(香港城市大学)
VTA通过结合语言和潜在推理,生成准确且可解释的股票时间序列预测,展示了在金融技术分析中的优越性能。
2026-03-02 cs.AI cs.LG q-fin.CP
MoCA-Agent: A Market-of-Claims Code Agent for Financial and Numerical Reasoning
University of Innsbruck(因斯布鲁克大学);University of British Columbia(不列颠哥伦比亚大学);Toronto Metropolitan University(多伦多都会大学)
提出MoCA-Agent,通过声明级验证和代码生成解决金融表格问答中的数值推理错误,在十个基准上取得强性能。
2026-06-19 cs.AI cs.CE
FinTradeBench: A Financial Reasoning Benchmark for LLMs
University of Central Florida(佛罗里达中央大学)
提出FinTradeBench基准,通过结合公司基本面与交易信号,评估大语言模型在金融推理中的表现,发现检索增强对数值和时间序列推理帮助有限。
2026-06-11 cs.AI cs.CE cs.CL
DocFinQA: A Long-Context Financial Reasoning Dataset
Kensho Technologies(肯斯霍技术公司)
针对金融长文档问答任务,构建DocFinQA数据集(平均上下文12.3万词),并实验证明现有检索式及长上下文模型在此任务上仍面临重大挑战,其解决对长距离上下文应用具有广泛意义。
2025-10-24 cs.AI cs.CL
FinCARE: Financial Causal Analysis with Reasoning and Evidence
Domyn
针对投资组合管理中相关性分析无法捕捉真实因果的问题,提出融合知识图谱与大语言模型推理的混合框架,增强PC、GES、NOTEARS三种因果发现算法,在合成金融数据上F1提升36%至366%,实现可靠反事实预测与干预分析。
2025-10-23 cs.AI q-fin.CP
FinSheet-Bench: From Simple Lookups to Complex Reasoning, Where LLMs Break on Financial Spreadsheets
Qubera AG(Qubera公司);University of Zurich(苏黎世大学)
FinSheet-Bench通过合成数据评估LLM在复杂财务表格任务中的表现,揭示了LLM在结构化数据处理上的局限性。
2026-03-07 cs.AI
GreedLlama: Performance of Financial Value-Aligned Large Language Models in Moral Reasoning
San Francisco State University(旧金山州立大学);Northeastern University(东北大学);Parallel Polis(平行城邦)
本文以微调后优先经济收益的 GreedLlama 为案例,对比 Llama2 评估道德推理表现,证明单一金融价值对齐会显著降低伦理决策率,并呼吁商业 LLM 融入更广泛伦理约束。
2024-04-03 cs.AI cs.CL cs.CY
Synthesizing Behaviorally-Grounded Reasoning Chains: A Data-Generation Framework for Personal Finance LLMs
Perfios Software Solutions(Perfios软件解决方案)
本文提出一个可复现的框架,通过整合财务背景与行为金融学研究构建监督数据,生成19k推理数据集微调Qwen-3-8B模型,使其在事实准确性和个性化等指标上媲美14-32B大模型,且成本降低80%。
2025-09-17 cs.AI cs.CL cs.LG
Agentic Retrieval-Augmented Generation for Financial Document Question Answering
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
本文提出FinAgent-RAG框架,通过迭代检索-推理循环和自我验证,提升金融文档问答的精度。引入对比金融检索器、程序化思维模块和自适应策略路由,实验表明在三个基准数据集上均取得显著效果,准确率提升5.62-9.32个百分点。
2026-07-07 cs.AI cs.CL
MultiHiertt: Numerical Reasoning over Multi Hierarchical Tabular and Textual Data
Yale University(耶鲁大学);The Chinese University of Hong Kong(香港中文大学);Northeastern University(东北大学);Penn State University(宾夕法尼亚州立大学)
对包含文本和表格内容的混合数据的数值推理(例如,财务报告)最近在NLP社区引起了很大的关注。然而,现有的混合数据上的问答(QA)基准测试在每个文档中仅包括单个平面表,因此缺乏跨多个分层表的多步数值推理的示例。为了促进数据分析的进展,我们构建了一个新的大规模基准,MultiHiertt,多层次表格和文本数据的QA对。MultiHiertt基于丰富的财务报告构建,具有以下独特的特点:1)每个文档包含多个表格和较长的非结构化文本; 2)所包含的大多数表格都是分层的; 3)每个问题所需的推理过程比现有的基准更复杂和更具挑战性; 4)每个问题的推理过程比现有的基准更复杂和更具挑战性。以及4)提供推理过程和支持事实的细粒度注释以揭示复杂的数值推理。我们进一步介绍了一种新的QA模型称为MT 2Net,它首先应用事实检索从表和文本中提取相关的支持事实,然后使用推理模块对检索到的事实进行符号推理。我们在各种基线上进行综合实验。实验结果表明,MultiHiertt对现有基线提出了强烈的挑战,其结果远远落后于人类专家的表现。数据集和代码可在https://github.com/psunlpgroup/MultiHiertt上公开获得。
2022-06-03 cs.AI cs.LG
FinMaster: A Holistic Benchmark for Mastering Full-Pipeline Financial Workflows with LLMs
The Hong Kong Polytechnic University(香港理工大学);The Chinese University of Hong Kong(香港中文大学);The Hong Kong University of Science and Technology(香港科学与技术大学);KTH Royal Institute of Technology(皇家理工学院);Peng Cheng Laboratory(鹏城实验室);Singapore Management University(新加坡管理大学)
针对现有金融领域LLM基准的不足,本文提出覆盖全流程金融工作流的FinMaster基准,含三大模块,实验发现前沿LLM复杂金融推理能力差距大,旨在推动LLM在金融实践的应用。
2025-05-18 cs.AI cs.LG q-fin.GN
Enhancing Financial Question Answering with a Multi-Agent Reflection Framework
University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
本研究提出融合多维度评判智能体的多智能体反思框架,通过对推理步骤和答案的多方面反思增强金融问答能力,显著提升开源LLM性能,可作为大模型的高性价比替代方案。
2024-10-29 cs.AI cs.CL
Data-Centric Financial Large Language Models
Ant Group(蚂蚁集团);University of Virginia(弗吉尼亚大学)
提出数据中心金融大语言模型,通过多任务提示微调和溯因增强推理自动生成训练数据,在金融分析任务上达到最先进性能并开源新基准。
2023-11-14 cs.AI cs.CL cs.LG
Synthetic Data-Driven Prompt Tuning for Financial QA over Tables and Documents
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of South Florida(佛罗里达州立大学)
针对金融问答提示调优依赖固定数据集或高成本人工标注的问题,本文提出合成数据驱动的自改进闭环提示框架,无需外部标注即可提升金融推理性能,在DocMath-Eval基准上准确率与鲁棒性均优于标准方法。
2025-11-14 cs.AI
KFinEval-Pilot: A Comprehensive Benchmark Suite for Korean Financial Language Understanding
Korea Financial Telecommunications and Clearings Institute(韩国金融电信与清算院);Teddysum Inc.(泰迪萨姆公司);SELECTSTAR Inc.(SELECTSTAR公司);Konyang University(建阳大学);Seoultech(首尔科技大学);KAIST(韩国科学技术院)
针对现有英语基准的局限,提出韩语金融领域基准套件KFinEval-Pilot,含千余问题,通过半自动化流程构建并经专家验证,评估发现模型性能差异及准确性与安全性权衡,为金融AI系统开发提供诊断工具。
2025-04-17 cs.AI cs.CL cs.LG
FinRCA-Bench: Benchmarking Evidence Retrieval and Reasoning for Financial AI Systems
该研究推出FinRCA-Bench基准,评估金融AI系统的证据检索与推理,发现检索架构影响性能,正确根本原因标签是可审计诊断的弱代理。
2026-08-20 cs.AI cs.IR
Temporal Data Meets LLM -- Explainable Financial Time Series Forecasting
Amazon AWS(亚马逊云科技);Amazon Alexa AI(亚马逊Alexa人工智能部门);Amazon Benchmarking(亚马逊基准测试部门)
本研究利用大语言模型(GPT-4与Open-LLaMA)对NASDAQ-100股票进行可解释的金融时间序列预测,通过跨序列推理和多模态信息整合,优于ARMA-GARCH等基线模型,展示了LLM在此领域的潜力。
2023-06-19 cs.AI cs.CL cs.LG
Evaluating Financial Intelligence in Large Language Models: Benchmarking SuperInvesting AI with LLM Engines
本文提出AFIB基准测试,评估SuperInvesting等AI系统在金融分析中的性能,发现SuperInvesting在准确性、完整性和一致性方面表现最优。
2026-03-09 cs.AI
Fighting Numerical Hallucinations via Data-centric Compilation for Online Financial QA
Shenzhen Technology University(深圳科技大学);FiT, Tencent(腾讯金融科技部);South China University of Technology(华南理工大学);The Hong Kong University of Science and Technology(香港科学与技术大学);Huazhong University of Science and Technology(华中科技大学);McGill University(麦吉尔大学)
提出数据为中心推理编译器(DCRC),通过对抗数据构建、多阶段训练和编译执行推理流程,解决在线金融问答中检索增强生成面临的噪声敏感、计算脆弱和可审计性危机,实现可靠的数值推理。
2026-05-29 cs.AI cs.IR
PyFi: Toward Pyramid-like Financial Image Understanding for VLMs via Adversarial Agents
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Yantai Research Institute, Harbin Engineering University(哈尔滨工程大学烟台研究院)
PyFi通过对抗代理生成的金字塔结构数据集,提升VLM在金融图像理解中的推理能力,实验显示模型在复杂金融问题上的准确率提升19.52%。
2026-04-08 cs.AI cs.CV q-fin.CP
Time Series Augmented Generation for Financial Applications
SingularityNET Foundation(SingularityNET基金会)
本文提出了一种新的评估方法和基准,用于衡量LLM在金融时间序列分析中的推理能力,通过大规模实证研究验证了工具增强范式的有效性。
2026-04-21 cs.AI cs.CE
FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering
University of Florida(佛罗里达大学)
针对金融领域缺乏多步推理检索评估基准的问题,本文提出首个金融智能体检索基准FinAgentBench,含2.6万条专家标注样本,分离两步推理评估,验证了微调可显著提升性能。
2025-10-03 cs.AI cs.CL cs.IR
MultiFinRAG: An Optimized Multimodal Retrieval-Augmented Generation (RAG) Framework for Financial Question Answering
S&P Global Ratings(标普全球评级)
MultiFinRAG通过多模态提取和分层回退策略,提升金融问答任务中跨模态推理的准确性,比ChatGPT-4o在复杂任务上高19个百分点。
2025-06-25 cs.AI cs.CE cs.CL
Adaptive Query Routing: A Tier-Based Framework for Hybrid Retrieval Across Financial, Legal, and Medical Documents
TRDC, Tuwaiq Academy(TRDC,图瓦伊克学院)
本文提出了一种分层框架,通过比较三种检索架构在金融、法律和医疗领域的表现,揭示了不同检索方法在不同复杂度层级上的性能差异,强调了树状推理和混合检索在跨参考和多段查询中的优势。
2026-10-30 cs.AI cs.IR
Can GPT models be Financial Analysts? An Evaluation of ChatGPT and GPT-4 on mock CFA Exams
Queen’s University(女王大学);Virginia Tech(弗吉尼亚理工大学);J.P. Morgan AI Research(摩根大通人工智能研究院)
本研究通过模拟CFA考试评估ChatGPT和GPT-4的金融推理能力,涵盖零样本、思维链和少样本场景,分析其性能与局限,并探讨提升LLMs在金融领域适用性的策略。
2023-10-12 cs.AI cs.CL q-fin.GN
UniFinEval: Towards Unified Evaluation of Financial Multimodal Models across Text, Images and Videos
SUFE(上海财经大学);Tencent(腾讯);Gatech(佐治亚理工学院);HiThink Research(慧图研究)
UniFinEval提出首个统一多模态基准,用于评估金融领域高信息密度下的多模态模型能力,通过五个真实金融场景和大规模数据集验证模型表现。
2026-01-09 cs.AI cs.CL q-fin.GN
EnterpriseBench: Benchmarking LLM Agents on Enterprise-Level Strategic Reasoning and Decision-Making
Shandong University(山东大学);Zhongguancun Academy(中关村学院);Beijing Institute of Technology(北京理工大学);Tsinghua University(清华大学)
EnterpriseBench提出一个企业级基准,涵盖静态问答到动态决策,含咨询、啤酒游戏和企业数字孪生三个交互场景,实验显示现有LLM智能体在企业任务中尚缺乏稳定可靠性。
2026-10-06 cs.AI
FAMMA: A Benchmark for Financial Domain Multilingual Multimodal Question Answering
Alipay(支付宝);Zhejiang University(浙江大学);TTIC;Purdue University(普渡大学)
该研究提出金融多语言多模态问答基准 FAMMA,并通过评测 GPT-o1、DeepSeek-R1 及微调 Qwen 模型,验证其对复杂金融推理能力的评估价值。
2025-05-15 cs.AI cs.CL
RKEFino1: A Regulation Knowledge-Enhanced Large Language Model
Yale University(耶鲁大学);Columbia University(哥伦比亚大学);New York University(纽约大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出监管知识增强的金融推理模型 RKEFino1,通过 XBRL、CDM、MOF 领域知识微调,并结合知识问答、数学推理及 Numerical NER 任务提升 DRR 场景的准确性与合规性。
2025-06-06 cs.AI cs.CL
Fin-RATE: A Real-world Financial Analytics and Tracking Evaluation Benchmark for LLMs on SEC Filings
Tongji University(同济大学);University of California, San Diego(加州大学圣地亚哥分校);Yale University(耶鲁大学);Goldman Sachs(高盛集团)
针对LLM在金融领域分析复杂监管文件的需求,提出基于SEC文件的Fin-RATE基准,通过三种任务路径评估模型,发现跨文档和跨时间分析时性能显著下降。
2026-06-12 cs.AI cs.CE
SPEAR-MM: Selective Parameter Evaluation and Restoration via Model Merging for Efficient Financial LLM Adaptation
针对金融领域LLM适配中通用推理能力灾难性遗忘问题,提出SPEAR-MM框架,通过选择性参数评估与模型合并保留关键能力,在LLaMA-3.1-8B上实现91.2%通用能力保留和94%领域适配增益。
2025-11-11 cs.AI cs.CL cs.LG
FinTrace: Holistic Trajectory-Level Evaluation of LLM Tool Calling for Long-Horizon Financial Tasks
Stevens Institute of Technology(斯蒂文斯理工学院);Independent Researcher(独立研究者);The FinAI(FinAI);Duke University(杜克大学)
本文提出FinTrace基准,通过800个专家标注的轨迹评估LLM工具调用,揭示模型在信息利用和最终答案质量上的不足,并通过FinTrace-Training数据集提升中间推理能力,但最终答案质量仍受限。
2026-08-11 cs.AI cs.CE cs.CL
Scoring-Rule Sensitivity in LLM Evaluation: Evidence from Indian Financial Regulatory Text
Gyan Ganga Institute of Technology and Sciences(加延加anga科技与科学学院)
本文提出IndiaFinBench,首个公开的评估基准,用于评估大语言模型在印度金融监管文本上的性能,包含406个专家标注的问题-答案对,涵盖四个任务类型,评估十二个模型,发现数值推理任务表现最显著。
2026-10-28 cs.AI cs.CL cs.IR