Fin_Agent a FinEval 2026: metodi consapevoli del compito per l’NLP finanziario multilingue

Abstract degli autori

Presentiamo Fin_Agent, il nostro contributo alla task condivisa FinEval 2026 sulla comprensione multilingue del linguaggio finanziario. I nostri sistemi affrontano il riconoscimento di entità denominate in ambito finanziario in greco, il riconoscimento della comunicazione implicita in giapponese e la risposta a domande finanziarie multilingue. Per il riconoscimento di entità denominate in greco, combiniamo regole numeriche consapevoli delle annotazioni con la classificazione zero-shot di Qwen2.5-32B, ottenendo un F1 pubblico di 0,9521 e un F1 privato di 0,8884. Per il riconoscimento della comunicazione implicita in giapponese, un sistema di punteggio ordinale interpretabile basato su indizi raggiunge un’accuratezza del 98,0% sul test. Per la risposta a domande finanziarie multilingue, il recupero con BGE-M3 e la generazione con Qwen3-32B raggiungono valori di F1 ROUGE-1 pari a 0,3023 e 0,3419 rispettivamente nelle partizioni pubblica e privata. Tra i limiti principali figurano regole specifiche per i dataset, indizi elaborati manualmente e una supervisione limitata. Il codice dell’implementazione è disponibile all’indirizzo https://github.com/ Rashidnira/finagent-fineval-2026.