FinStat2SQL：金融报表分析的文本到SQL管道
人工智能
2025-11-18 v2
摘要
尽管大语言模型取得了进展，但文本到SQL仍面临诸多挑战，尤其是针对复杂且领域特定的查询。在金融领域，数据库设计和财务报告布局在不同金融实体和国家之间差异很大，使得文本到SQL更加具有挑战性。我们提出了FinStat2SQL，一个轻量级文本到SQL管道，使其能够对财务报表执行自然语言查询。针对当地标准（如VAS）进行优化，它结合了大型和小型语言模型的多主体设置，用于实体提取、SQL生成和自我纠正。我们构建了特定领域的数据库，并在合成QA数据集上对模型进行评估。在消费级硬件上，微调的7B模型实现了61.33%的准确率，响应时间低于4秒，超过GPT-4o-mini。FinStat2SQL为金融分析提供了一个可扩展、高性价比的解决方案，使AI驱动的查询技术能被越来越多的越南企业所采用。
引用
@article{arxiv.2506.23273,
title = {FinStat2SQL: A Text2SQL Pipeline for Financial Statement Analysis},
author = {Quang Hung Nguyen and Phuong Anh Trinh and Phan Quoc Hung Mai and Tuan Phong Trinh},
journal= {arXiv preprint arXiv:2506.23273},
year = {2025}
}
备注
Accepted for The 18th International Natural Language Generation Conference (INLG)