金融AI三引擎架构与上下文工程论文发布

2026年10月30日，Pradeep Kumar GS与Ravi Tanniru在arXiv Artificial Intelligence提交论文，提出一套面向金融场景的三引擎架构与上下文工程方法。该架构整合三部分：用于企业关系、时间上下文与溯源信息的金融知识图谱，用于金融计算与决策的确定性优化引擎，以及负责意图解释、任务编排、解释生成与声明校验的多智能体LLM层；上下文工程层则跨ERP系统、工具与租户筛选并校验查询相关上下文。作者基于约11个月内15次部署的观察称，单智能体流程的模型幻觉率约为7-9%（不同查询类型为5-10%），包括虚构发票与缺乏支持的财务声明；图支撑的多智能体校验将观察到的比率降至1%以下，但作者明确表示这属于观察性结果而非因果结论。作者还称，ERP数据质量与租户特定模式仍是主要实施挑战，可复用映射、图模板与校验策略与部署时间从约六周缩短至约两周同时出现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。