★ 2
Fin_Agent 征战 FinEval 2026：多语言金融 NLP 方法
论文介绍 Fin_Agent 系统参加 FinEval 2026 多语言金融语言理解共享任务，覆盖希腊语金融命名实体识别、日语隐含沟通识别和多语言金融问答。希腊语 NER 公开 F1 达 0.9521，日语任务测试准确率 98.0%，多语言问答使用 BGE-M3 检索配合 Qwen3-32B 生成。
arXiv NLP19 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文介绍 Fin_Agent 系统参加 FinEval 2026 多语言金融语言理解共享任务，覆盖希腊语金融命名实体识别、日语隐含沟通识别和多语言金融问答。希腊语 NER 公开 F1 达 0.9521，日语任务测试准确率 98.0%，多语言问答使用 BGE-M3 检索配合 Qwen3-32B 生成。
论文发布约 16 万篇巴西葡萄牙语金融新闻的大规模语料，并基于语义相似度建立弱监督多分类基准。实验显示任务对标签质量与类别分布高度敏感：人工标注子集上 KNN 最佳（准确率 47.3%），而 LLM 标注子集 F1 降至约 20%，凸显高质量人工标注的必要性。