Classificazione a Grana Fine delle Incoerenze nei Documenti Finanziari
Uno studio recente pubblicato su arXiv affronta la sfida di identificare sottili discrepanze nei documenti finanziari. I ricercatori hanno analizzato un dataset di 5.940 istanze dal benchmark SBID-FD, utilizzando 11 etichette di incoerenza distinte e prove associate. Lo studio ha esaminato vari modelli, tra cui classificatori a embedding congelati e encoder ottimizzati, tutti sotto un sistema di valutazione standardizzato. In particolare, un encoder ottimizzato da 300 milioni di parametri ha raggiunto un tasso di accuratezza del 61,9%, mentre un modello Qwen3.5-9B adattato con LoRA ha seguito da vicino con il 61,5%. L'articolo sottolinea che distinguere un conflitto è solo il primo passo; la classificazione precisa è essenziale per una validazione approfondita. Il lavoro è catalogato con ID arXiv 2607.26368.
Fatti principali
- Lo studio affronta la classificazione a grana fine delle incoerenze nei documenti finanziari.
- Utilizza un'istantanea di 5.940 istanze dal benchmark SBID-FD.
- Il benchmark include 11 etichette di incoerenza e relativi span di prova di riferimento.
- Ha confrontato classificatori a embedding congelati, encoder ottimizzati, classificatori con prove aggiuntive, LLM sollecitati e modelli generativi adattati con LoRA.
- Un encoder ottimizzato da 300 milioni di parametri ha raggiunto il 61,9% di accuratezza.
- Un modello Qwen3.5-9B adattato con LoRA ha raggiunto il 61,5% di accuratezza.
- Un altro modello ha raggiunto il 61,3% di accuratezza.
- I tipi di incoerenza includono numerica, temporale, referenziale, fattuale e normativa.
- Pubblicato su arXiv con ID 2607.26368.
Entità
Istituzioni
- arXiv