CIFQA：用确定性工具与多智能体架构提升金融计算准确率

arXiv 上一篇题为《CIFQA: A Deterministic Tool-Grounded Multi Agent LLM Framework for Financial Query Answering》的论文提出了一套面向「计算密集型金融问答」的多智能体框架 CIFQA。其核心思路是把自然语言理解与数值计算拆开，由不同智能体分别负责查询解析、路由、参数抽取、计算规划与回复生成，而真正的利率换算、期限计算、规则应用则交给确定性 Python 工具执行，从而避免 LLM 在多步金融计算中产生「看似合理但数字错误」的回答。

框架设计：CIFQA 的分工逻辑

CIFQA 采用多智能体协作架构，将一条金融查询的处理拆解为以下环节：

• 查询解释智能体：将自然语言问题转换为结构化的金融意图。
• 路由智能体：判断问题类型，决定调用哪条计算路径。
• 参数提取智能体：从问题中抽取金额、期限、利率类型等关键字段。
• 计算规划智能体：编排调用顺序，组合确定性工具完成数值推理。
• 回复生成智能体：基于工具返回的精确结果生成自然语言答案。

作者特别强调，「确定性」是该框架的关键属性——所有数学运算、规则匹配（如提前支取逻辑、滚动年调整）均由 Python 代码完成，LLM 只承担语言层面的理解与生成，从而在数值可靠性上获得强保证。

实验结果与消融分析

研究团队围绕「定期存款（fixed deposit）查询」构建了一个专门的评测基准，结果显示：

• 在「计算密集型」子集上，CIFQA 准确率达到 95.54%。
• 在包含非计算型查询的总体基准上，整体准确率为 90.87%。
• 即便给直接调用的 LLM 基线补齐完整公式、利率表与基准说明，CIFQA 仍然显著优于这些基线。
• 消融研究表明，「精确利率查找」「期限换算」「滚动年调整」「提前支取逻辑」等确定性组件对最终性能贡献关键，移除任一环节都会带来明显下降。

一个值得关注的结论是：基于 17B 开源骨干模型搭建的 CIFQA，在同一金融信息条件下击败了规模远大于它的前沿模型。作者据此提出，「架构设计对数值可靠性的影响」比模型规模本身更具决定性。

意义与适用范围

虽然论文的评测集中在定期存款场景，但 CIFQA 的设计思路具有较强的可迁移性：对于任何「公式明确、规则清晰、容错率低」的金融计算任务（如贷款、税务、保险费率等），都可以复用「LLM 负责语义、确定性工具负责算数」的范式。这一工作也再次印证了当前业内的一个共识——在企业级、计算敏感型场景中，单纯的端到端 LLM 并不足够，借助工具与多智能体结构来约束和分解推理过程，是提升准确性与可解释性的有效路径。

不过需要指出的是，该框架的实际部署成本、智能体间的协调开销，以及在更复杂金融产品（如衍生品、跨币种计算）上的表现，仍有待进一步验证。