HierFinRAG—RAG Multimodal Hierárquico para Compreensão de Documentos Financeiros

A compreensão de documentos financeiros continua a ser um desafio crítico para Modelos de Linguagem de Grande Escala, principalmente devido à complexa interação entre texto narrativo e tabelas numéricas estruturadas. Sistemas existentes de Geração Aumentada por Recuperação (RAG) frequentemente tratam essas modalidades de forma isolada, levando a falhas significativas em tarefas que requerem raciocínio conjunto. Este estudo introduz o HierFinRAG, uma nova estrutura multimodal hierárquica projetada para unificar o processamento de dados tabulares e textuais. Nossa abordagem utiliza uma Rede Neural Gráfica Table-Text (TTGNN) para modelar explicitamente as dependências semânticas e estruturais entre células de tabela e texto correspondente, juntamente com um módulo de Fusão Simbólica-Neural que roteia consultas entre um gerador neural e um calculador simbólico para operações aritméticas precisas. Avaliamos o sistema nos conjuntos de dados FinQA e FinanceBench, comparando o desempenho com fortes referências, incluindo Vanilla RAG e GPT-4o com Interprete de Código. Os resultados demonstram que o HierFinRAG alcança uma pontuação de Correspondência Exata de 82,5% no FinQA, superando a melhor referência em 6,5 pontos percentuais, enquanto mantém uma latência de inferência 3,5× mais rápida do que abordagens agentivas. Essas descobertas indicam que a integração da consciência estrutural hierárquica com o raciocínio híbrido melhora significativamente a precisão e a interpretabilidade dos sistemas de inteligência artificial financeira.