FinRAGBench-V：面向金融领域的多模态RAG与视觉引用基准测试
计算与语言
2025-09-10 v2
摘要
检索增强生成（RAG）在金融领域发挥着重要作用，支撑着实时市场分析、趋势预测和利率计算等应用。然而，金融领域的大多数现有RAG研究主要关注文本数据，忽视了金融文档中丰富的视觉内容，导致关键分析洞察的丢失。为弥补这一差距，我们提出了FinRAGBench-V，一个面向金融的综合性视觉RAG基准测试，有效整合了多模态数据并提供了视觉引用以确保可追溯性。它包括一个包含60,780页中文和51,219页英文的双语检索语料库，以及一个高质量的人工标注问答（QA）数据集，涵盖异构数据类型和七个问题类别。此外，我们引入了RGenCite，一个无缝集成视觉引用与生成的RAG基线方法。此外，我们提出了一种自动引用评估方法，用于系统评估多模态大语言模型（MLLMs）的视觉引用能力。在RGenCite上的广泛实验凸显了FinRAGBench-V的挑战性，为金融领域多模态RAG系统的发展提供了有价值的见解。
引用
@article{arxiv.2505.17471,
title = {FinRAGBench-V: A Benchmark for Multimodal RAG with Visual Citation in the Financial Domain},
author = {Suifeng Zhao and Zhuoran Jin and Sujian Li and Jun Gao},
journal= {arXiv preprint arXiv:2505.17471},
year = {2025}
}