FinSAgent: Corpus-Aligned Multi-Agent RAG Framework for Evidence-Grounded SEC Filing Question Answering
FinSAgent：语料对齐的多智能体RAG框架用于SEC文件问答
🧭 多智能体RAG · 语料对齐检索规划
SimpleWay.AI · McGill University · University of Toronto · University of California, Los Angeles · The Chinese University of Hong Kong
将SEC文件问答重塑为语料对齐检索规划，通过注入语料侧条件解决先验-语料错配，提升证据检索与回答正确性
📌 工作参考价值（4 点）
- 角色专门化Agent：按文档结构（如商品详情、用户评价、售后政策）分配Agent，降低跨部分混淆，电商客服可借鉴。
- 数据库感知查询分解：让Agent在生成子查询时基于语料摘要视图，避免问题驱动的检索错配，提升召回证据的相关性。
- 特征门控重排序器：除语义相似度外，引入证据有效性特征（如来源部分、格式模板）过滤虚假相关片段，用于精准匹配条款或政策。
- 多路径检索机制：结合稀疏与密集检索，确保覆盖不同证据类型，适用于商品手册、合同等长文档问答。