FinAcumen：基于自进化经验记忆利用的金融多模态推理

金融多模态推理要求智能体协调数值计算、检索、视觉解读及时间定位。现有工具增强型智能体缺乏跨episode的状态保持，导致策略重复探索与幻觉。本文提出 FinAcumen，一种以选择性经验记忆为核心的金融推理框架。该框架从历史轨迹中提炼成功策略与失败警示规则存入持久记忆库。推理时，仅当语义相关性超过阈值才激活记忆，并通过回退机制抑制无关信息。实验表明，该方法在多个基准上显著提升了冻结视觉语言模型的金融推理能力与可靠性。