DocFinQA：一个长上下文金融推理数据集
计算与语言
2025-10-28 v3 人工智能
摘要
为使大型语言模型（LLMs）在金融领域有效发挥作用——该领域每个决策都可能产生重大影响——有必要研究现实的任务和数据。金融专业人士经常处理长达数百页的文件，但大多数金融研究数据集仅涉及这些文件的简短摘录。为解决这一问题，我们引入了一个长文档金融问答任务。我们将现有 FinQA 数据集中的 7,437 个问题扩充了完整的文档上下文，将平均上下文长度从 FinQA 中的不足 700 词扩展到 DocFinQA 中的 123k 词。我们对基于检索的问答流程和长上下文语言模型进行了广泛实验。DocFinQA 证明即使对最先进的系统也是一项重大挑战。我们还对 DocFinQA 中最长的文档进行了案例研究，发现模型在这些文档上尤其困难。解决这些挑战可能会在特异性与长程上下文至关重要的应用中产生广泛影响，例如基因序列和法律文档合同分析。
引用
@article{arxiv.2401.06915,
title = {DocFinQA: A Long-Context Financial Reasoning Dataset},
author = {Varshini Reddy and Rik Koncel-Kedziorski and Viet Dac Lai and Michael Krumdick and Charles Lovering and Chris Tanner},
journal= {arXiv preprint arXiv:2401.06915},
year = {2025}
}
备注
13 pages