English(EN) Token-Budgeted Escalation for Financial Document QA: Cost Is Predictable, Benefit Is the Bottleneck

新方法优化AI用于金融文档问答，成本可预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-06 04:55

研究人员开发了一种名为令牌预算升级（Token-Budgeted Escalation）的方法，用于优化金融文档问答的检索增强生成系统。该方法将选择性升级构建为一个有限批次分配问题，其中共享的令牌预算分配给具有不同成本的查询。通过根据每令牌的预测收益对调用进行排序，该系统在10%的预算下，将裁决质量提高了0.034，优于仅基于收益的排名，同时使用的令牌数量远少于标准的top-5检索方法。研究发现，虽然额外的调用成本是可预测的，但准确估计查询的有益升级仍然是一个挑战。 AI

影响这项研究可能带来更具成本效益和更有效的AI系统，用于处理和查询大型金融文档。

排序理由学术论文，详细介绍了一种优化AI检索系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种优化AI检索系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 9 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Ruoyu Qi · 2026-10-06 04:55

面向金融文档问答的带预算升级：成本可预测，收益是瓶颈

Retrieval-augmented generation systems can route difficult queries to deeper context, but batch deployments must allocate a shared token budget across calls whose costs vary by query. We formulate selective escalation as finite-batch allocation for financial document question ans…

本文如何被排名

报道来源 [1]

面向金融文档问答的带预算升级：成本可预测，收益是瓶颈

相关实体

相关话题