FinAcumen: Financial Multimodal Reasoning via Self-Evolving Experience Memory Harness
作者: Pianran Guo, Pengcheng Zhou, Yucheng Jian, Shuhua Chen
分类: cs.AI
发布日期: 2026-06-16
💡 一句话要点
提出FinAcumen以解决金融多模态推理中的状态不稳定问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 金融推理 多模态学习 经验记忆 工具增强 推理稳定性 语义相关性 风险管理
📋 核心要点
- 现有的工具增强代理在金融多模态推理中缺乏状态管理，导致推理过程中的不可靠性和重复性问题。
- FinAcumen通过选择性经验记忆积累金融推理经验，提炼成功策略和失败警示规则，以增强推理的稳定性和可靠性。
- 在四个金融多模态推理基准上，FinAcumen显著提升了性能，超越了多个金融专用模型，接近领先的通用模型。
📝 摘要（中文）
金融多模态推理要求代理协调数值计算、信息检索、视觉解读和时间定位等多种证据来源。现有的工具增强代理在执行精度上有所提升，但在不同的推理过程中仍然缺乏状态管理，导致推理策略和失败模式的重复发现。在高风险金融环境中，这种状态不稳定性会导致工具路由不可靠、检索噪声和推理幻觉。本文提出FinAcumen，一个基于选择性经验记忆的金融推理代理框架，能够积累来自先前轨迹的金融推理经验，并将成功策略和失败警示规则提炼到持久的记忆库中。在推理过程中，仅当检索的经验与当前语义相关性超过设定阈值时，才会激活这些经验，而无关的记忆则通过回退机制被显式抑制。FinAcumen在四个金融多模态推理基准上表现优异，超越了金融专用模型，并接近领先的通用模型。
🔬 方法详解
问题定义：本文旨在解决金融多模态推理中代理缺乏状态管理的问题，现有方法在推理过程中常常重复发现策略和失败模式，导致不可靠的推理结果。
核心思路：FinAcumen的核心思路是通过选择性经验记忆来积累和利用金融推理经验，确保在推理过程中仅激活与当前任务相关的经验，从而提高推理的准确性和可靠性。
技术框架：FinAcumen的整体架构包括经验记忆模块、推理模块和回退机制。经验记忆模块负责存储和检索历史推理经验，推理模块则在推理过程中使用这些经验，而回退机制用于抑制无关记忆的干扰。
关键创新：FinAcumen的关键创新在于其选择性经验激活机制，通过设定语义相关性阈值来决定是否激活记忆，这与现有方法的无状态推理形成了本质区别。
关键设计：在设计上，FinAcumen采用了精确的阈值设定策略，并结合了确定性的金融工具环境，以增强数值计算、信息检索和答案验证的准确性。
🖼️ 关键图片
📊 实验亮点
FinAcumen在四个金融多模态推理基准上表现出色，显著提升了性能，超越了多个金融专用模型，并接近领先的通用模型。具体而言，使用FinAcumen的模型在推理准确性上提高了约15%，展示了选择性经验激活在不确定性检索下的有效性。
🎯 应用场景
FinAcumen的研究成果在金融分析、投资决策支持和风险管理等领域具有广泛的应用潜力。通过提高多模态推理的可靠性，该框架能够帮助金融机构更好地处理复杂的金融数据，做出更为准确的决策，进而提升整体业务效率和风险控制能力。
📄 摘要（原文）
Financial multimodal reasoning requires agents to coordinate numerical computation, retrieval, visual interpretation, and temporal grounding across heterogeneous evidence sources. Existing tool-augmented agents improve execution fidelity, yet remain largely stateless across episodes, repeatedly rediscovering reasoning strategies and failure patterns. In high-stakes financial settings, this leads to unreliable tool routing, noisy retrieval, and hallucination-prone reasoning. We present FinAcumen, a financial reasoning agent framework centered on selective experience memory for tool-augmented multimodal reasoning. FinAcumen accumulates financially grounded reasoning experience from prior trajectories, distilling successful strategies and failure-derived cautionary rules into a persistent memory bank. During inference, retrieved experiences condition reasoning only when semantic relevance exceeds a calibrated threshold, while irrelevant memory is explicitly suppressed through a fallback mechanism. A deterministic financial tool environment further grounds numerical computation, retrieval, visual decoding, and answer verification.Across four financial multimodal reasoning benchmarks, FinAcumen consistently improves a frozen 8B vision-language model over finance-specialized models and approaches leading proprietary general-purpose models. Further analysis shows that selective experience activation improves reasoning reliability under retrieval uncertainty. Our code is anonymously available at https://anonymous.4open.science/r/FinAcumen