摘要
本文针对金融与表格问答中事实 grounding 的严苛要求，提出了 MoCA-Agent。该系统摒弃自由形式的多智能体辩论，转而采用主张级验证机制：将问题分解为原子主张，由专业交易智能体进行买卖操作，基于市场出清结果生成可执行 Python 程序，并通过代码感知验证器确保执行正确性。在十个基准测试中，该代理在固定骨干模型下展现了卓越的金融数值推理性能，证明了细粒度证据聚合能有效提升高风险推理任务的鲁棒性。
AI 推荐理由
论文核心提出基于原子主张验证的市场机制，显著提升金融数值推理的鲁棒性与准确性。
研究机构
University of Innsbruck
University of British Columbia
Toronto Metropolitan University
论文信息