概述
FinMMEval 2026 任务 2 旨在评估基于多语言证据的短答案金融问答。每个最终测试项目将英文问题与中文、日文、西班牙文和希腊文的财务报表及新闻配对。参与系统需以 JSONL 格式提交每个项目的简洁答案。
测试集构成
最终测试集包含 256 个项目，均匀分为简单和专家两个层级；每个层级包含四个问题模板，覆盖 32 个公司报告组。金标准答案在提交时被保留，系统排名基于与组织方持有的参考答案的宏平均项目级 ROUGE-1 F1 分数。
排名与系统表现
最终排行榜包括 12 个排名提交，表现最强的系统彼此紧密相邻，前四名之间的 ROUGE-1 F1 分数相差不到一个百分点。提交的系统论文记录了检索增强生成、跨语言证据处理、结构化提示、答案压缩和验证策略等技术。
博主点评： FinMMEval 2026 的任务设计关注多语言环境下的金融信息处理，展现了自然语言处理在金融领域的广泛应用潜力。参与系统的多样化策略为未来的问答系统研究提供了宝贵的参考。