从研究读懂工作方法 · 整理2026-10-19

让模型表达计算，让程序执行：财报与数学的交接方法

可执行计算能帮助复算数值；取数、题意、口径和最终解释仍要各自核验。

现今编辑解释；具体公开日期和研究条件逐条列明。实际工作覆盖比例未知。

这是什么方法

PoT让模型表达变量和计算程序，外部解释器负责运算。原论文固定v4表2比较同一Codex底层模型的不同提示/执行系统，不是重新训练后的金融岗位成绩。

CoT（思维链）用文字逐步推理；PoT（程序化思考）把可计算步骤写成程序。FinQA是财报问答测试，GSM8K是小学多步数值题；这些题集不是完整财务岗位或研究级证明。

具体做到哪里

FinQA的1,147道财报问答中，CoT为40.4%、PoT为64.5%；GSM8K多步题也有同论文的比较。这些结果来自历史code-davinci-002、少样本贪心解码设置，FinQA的CoT采用相对容差0.001；详细配置和条件比较由下方案例链接进入。

这些是限定题集的答案指标，未证明资料取数、真实报告整体验收、审核人时或客户交付。解释器能算对一个错误输入，所以计算与原文对账必须分开。

Program of Thoughts：外部计算接口（v4） ↘

拿到一份财报后怎样使用

先锁定指标、报告和期间，再让AI列数值、单位和具体出处。由人核对公式后，计算工具执行，并保留可复算输入；最终解释必须与原文和计算一致。

相近FinanceBench结果显示资料处理配置会改变问答表现，但不是两个年份的增长曲线。找不到原文或口径不同就停止交付，而不是补一个看似合理的数字。

FinanceBench固定首稿 ↘

一个小例子和一个重要失败

下方案例用两份构造资料说明重述：同口径收入增长20%，误用旧分母会得到25%；利润率变化另用百分点。数字只用来解释检查方法，未执行AI任务。

把季度收入当全年收入、把不同币种混用或编造引用，即使程序运行成功，仍是不合格产物。这个方法不授权投资交易，也不证明完整财务工作的覆盖率。

从一个答案到一份完整工作簿

精选GDPval固定revision 11e7900cdcac61bc4daf59e65feb238acda98fbf中的7b08cd4d-df60-41ae-9102-8aaa49306ba2。它要求把虚构巡演不同来源收入与成本整理成损益表，参考工作簿包含巡演经理记录、预扣假设和制作公司费用三个表。

这份会计材料只作为产物与验收设计参考：交付要能检查来源分列、期间、币种及公式一致。本站读过题目、59项rubric和工作簿表头，未运行模型；没有发现明确再分发许可，因此仅链接原材料，不复制文件或评分细则。

GDPval v2公开材料：虚构巡演损益表 ↘