LLM 财务文档处理：证据验证与工程边界

财务文档里，数字、期间和文字结论要互相对得上。讨论大语言模型，最值得花工夫的是怎么验证输出，写得再流畅的段落也替代不了事实。这里讲的是行业里的一种工程设计思路；快审计目前没有接入生成式AI做解析或补全报告文字，用的是程序确定性回填。

提取和叙述是两个问题

字段提取关心的是“这张表的哪个位置写了什么”；叙述生成关心的是“怎样用文字组织已经确认的信息”。提取模型即使返回了格式合法的结果，原文位置、单位、期间和数值也要重新校验一遍，格式对了不代表内容对。

一条可验证的候选记录

源表写着“2025年营业收入：1,200万元”。候选记录应当包含字段名、原文数值、单位、期间、页码和原句，只存一个1200是不够的。确定性校验层可以检查：换算到目标单位后是不是12,000,000元，引用页上是否真有这个值。源件里没有上年数据，就保留缺失状态，不能让模型按增长率或行业经验去补。

什么情况下拒绝输出

这些规则只是系统设计上的建议，有没有效要靠测试来证明。写好了提示词，不等于输出就一定准确。

用反例来测

同一份资料准备几个变体：单位互换、年度互换、负号丢失、行名相近、缺页、夹带恶意指令，分别看模型和验证层各能发现什么。漏检、错误拒绝和人工处理耗时分开记录；没做过真实测试，就别对外说“准确率99%”这样的话。

团队该怎么选

主要需求是固定表式映射和模板回填的，优先用确定性程序。想研究开放文本整理，还得先把授权范围、数据去向、版本固定和人工审核这几件事安排好，再谈模型选型。