按构建可审计：面向企业财务可信LLM分析的本体驱动框架

本论文提出面向企业财务的KDAF框架，通过本体驱动知识系统和上下文感知相关传播（CARP）实现可审计的检索增强生成。在FinanceBench的145个问题上，KDAF在答案正确性上与BM25无显著差异，但引用可追溯性F1达0.515，高于无根基图遍历和BM25。

此前检索增强生成主要关注准确性，而本论文明确将可审计性作为评估维度，并报告了检索条件间准确性无显著差异的负面结果，提示单纯追求准确率可能不足以支撑企业财务等监管场景的采用。

KDAF通过本体建模和六阶段构建知识系统，使每个检索事实携带关系类型、置信度和来源谱系。CARP机制沿上下文感知路径传播相关性，从而在保持准确性的同时提升证据可追溯性。

对财务分析类产品，需将可审计性纳入评估体系，以满足监管要求。结构化检索可能增加研发成本，但在信任敏感场景下具有差异化价值。

• 在财务问答产品中增加来源追溯功能，展示每个答案的证据链。
• 基于KDAF思路开发面向受监管行业的审计日志模块。
• 对比评估不同检索方法在准确性与可审计性上的权衡，优化产品设计。

• KDAF在更大规模数据集和真实业务场景中的表现如何？
• 可审计性提升对实际采用决策的影响程度缺乏量化证据。
• CARP机制的具体实现细节和计算成本未在部分中详述。