MoCA-Agent: Improving Financial Reasoning via Market-of-Claims Verification

•MoCA-Agent 採用固定的 Qwen3.6-27B 大型語言模型作為其骨幹，這是一個具體的技術選擇，而非通用的大型語言模型應用。
•該框架在需要多單元格提取和公式組合的場景中展現出顯著的性能提升，例如在 MultiHiertt 上比經強化學習訓練的 Fortune 高出 14.4%，在 FinanceMath 驗證上比 GPT-4o (PoT) 高出 9.0%，在 DocMath-Complong 上比 DeepSeek-V3 高出 8.3%，以及在 FinQA 上比 Fino1-14B 高出 4.1%。
•其「聲稱市場」協議涉及專業的「交易者代理人」（包括提取者、公式、會計師和懷疑者），這些代理人對原子級聲稱（如事實、公式、單位、符號和變化方向）進行加權、簽名訂單的買賣。
•MoCA-Agent 內建「混合選擇委員會」和「衝突仲裁者」機制，用於處理市場支持的程式碼在結構上存在弱點或出現未解決分歧的情況，確保即使在複雜情境下也能產生可靠的解決方案。
•透過將程式碼推導過程明確地基於市場清算的原子級聲稱，MoCA-Agent 顯著提高了推理過程的可追溯性，並降低了因單一錯誤（如單元格誤讀、公式錯誤或比例錯誤）在管道中無聲傳播的風險。

📊 競品分析▸ Show

特徵/指標	MoCA-Agent (市場聲稱驗證)	FinDebate (協作辯論)	FinMAN (級聯多代理推理)	多代理反射框架 (批評代理)	MASFIN (模組化多代理系統)
核心機制/方法	市場聲稱驗證，分解為原子級聲稱，專業交易者代理買賣聲稱，程式碼感知驗證器。	協作辯論與領域特定檢索增強生成 (RAG)，五個專業代理人進行辯論。	級聯多代理推理，輕量級驗證機制，使小型 LLM 能執行複雜任務。	批評代理人反思推理步驟和最終答案，可有多個批評代理人。	模組化多代理框架，整合 LLM 與結構化財務指標及非結構化新聞，內嵌偏見緩解協議。
LLM 骨幹 (若有)	固定 Qwen3.6-27B 骨幹。	未明確指定，但使用 LLM 進行分析。	支援小型 LLM (例如 8B)。	LLaMA3-8B 和 LLaMA3-70B 模型。	GPT-4.1-nano。
基準測試/效能	FinQA (78.3%)、FinanceMath (76.0%)、MultiHiertt (71.2%)、ESGenius (86.9%)、FinChart-Bench (平均 85.6%)。	透過 LLM 和人類評估，產生高品質分析和可操作的投資策略。	在 BizBench 上比最佳開源模型高出 10.46%，與 GPT-3.5 表現相當。	在 FinQA、ConFinQA 和 TAT-QA 上，LLaMA3-8B 性能提升 15%，LLaMA3-70B 提升 5%。	在八週評估中實現 7.33% 的累積回報，在八週中有六週跑贏標普 500、納斯達克 100 和道瓊斯指數。
定價	不適用 (研究框架)	不適用 (研究框架)	不適用 (研究框架)	不適用 (研究框架)	不適用 (研究框架)

核心機制：以聲稱級別驗證取代自由形式的多代理人辯論，採用「聲稱市場」協議。
問題分解：將每個問題分解為帶有類型（typed）的原子級聲稱，包括事實、公式、單位、符號和變化方向。
專業代理人：設有專業的「交易者代理人」角色，如提取者 (EXTRACTOR)、公式 (FORMULA)、會計師 (ACCOUNTANT) 和懷疑者 (SKEPTIC)，他們對這些原子級聲稱進行加權、簽名訂單的買賣。
市場清算：一個「聲稱市場」會將這些訂單清算為每個聲稱的價格 (πm)、置信度分數 (γm) 以及接受/拒絕/不確定狀態。
程式碼合成：根據市場支持的證據，合成可執行的 Python 程式。
程式碼感知驗證器：內建驗證器，檢查程式碼的執行、結構一致性以及常見的財務推理錯誤，例如符號翻轉、百分比比例錯誤、遺漏或不一致的公式。
修復與衝突解決：最多進行一輪市場感知修復。當市場支持的程式碼結構薄弱時，一個「混合選擇委員會」會將其與替代方案進行比較；如果候選方案暴露出未解決的分歧，則由「衝突仲裁者」產生一個有根據的恢復程式。
LLM 骨幹：使用固定的 Qwen3.6-27B 大型語言模型作為其基礎。

MoCA-Agent 的市場聲稱驗證機制將成為高風險 AI 推理領域的新標準。

其明確的聲稱級別基礎和錯誤減少機制，直接解決了金融等關鍵領域對可靠性的擔憂。

此方法將促進受監管行業中 AI 系統的透明度和可審計性。

透過使程式碼背後的假設明確化並使推理過程可追溯，它有助於滿足合規性和監督要求。

「聲稱市場」範式可能被應用於金融以外的其他複雜多代理決策問題。

將問題分解為可驗證的聲稱並使用共識機制的通用原則，具有廣泛的適用性。

2026-06-11

MoCA-Agent: A Market-of-Claims Code Agent for Financial and Numerical Reasoning 論文在 arXiv 上發表。

MoCA-Agent：透過市場聲稱驗證提升財務推理能力