摘要：Fin_Agent 在 FinEval 2026：面向多语言金融 NLP 的任务感知方法
摘要：我们提出 Fin_Agent，这是我们提交至 FinEval 2026 多语言金融语言理解共享任务的系统。我们的系统处理希腊语金融命名实体识别、日语隐含沟通识别以及多语言金融问答。对于希腊语 NER，我们将标注感知的数值规则与零样本 Qwen2.5-32B 分类相结合，取得了 0.9521 的公开 F1 和 0.8884 的私有 F1。对于日语隐含沟通，一个可解释的基于线索的序数评分器取得了 98.0% 的测试准确率。对于多语言金融问答，使用 BGE-M3 检索与 Qwen3-32B 生成，在公开和私有划分上分别取得了 0.3023 和 0.3419 的 ROUGE-1 F1。主要局限包括数据集特定规则、手工设计线索以及有限的监督。实现代码可在 this https URL Rashidnira/finagent-fineval-2026 获取。