FinAcumen: 자기 진화 경험 메모리를 활용한 금융 다중 모드 추론

FinAcumen: Financial Multimodal Reasoning via Self-Evolving Experience Memory Harness

금융 다중 모드 추론은 에이전트가 다양한 증거 소스에서 수치 계산, 검색, 시각적 해석 및 시간적 맥락을 조율해야 하는 복잡한 작업입니다. 기존의 도구 기반 에이전트는 실행 정확도를 향상시키지만, 대부분의 경우 이전 경험을 기억하지 못하고 추론 전략과 실패 패턴을 반복적으로 재발견합니다. 이러한 현상은 고위험 금융 환경에서 신뢰할 수 없는 도구 선택, 부정확한 검색 및 환각(hallucination)에 취약한 추론으로 이어질 수 있습니다. 본 연구에서는 도구 기반 다중 모드 추론을 위한 선택적 경험 메모리에 중점을 둔 금융 추론 에이전트 프레임워크인 FinAcumen을 제안합니다. FinAcumen은 이전 실행 경로에서 얻은 금융 관련 추론 경험을 축적하여 성공적인 전략과 실패로부터 얻은 경고 규칙을 지속적인 메모리 저장소에 저장합니다. 추론 과정에서 검색된 경험은 의미적 관련성이 특정 임계값을 초과하는 경우에만 추론에 영향을 미치도록 하며, 관련 없는 메모리는 명시적으로 억제되는 메커니즘을 사용합니다. 또한, 결정론적인 금융 도구 환경은 수치 계산, 검색, 시각적 디코딩 및 답변 검증을 더욱 안정적으로 만듭니다. 네 가지 금융 다중 모드 추론 벤치마크에서 FinAcumen은 기존의 80억 개 파라미터 언어 모델이 특정 금융 분야에 특화된 모델이나 상용 범용 모델보다 일관되게 더 나은 성능을 보였습니다. 추가 분석 결과, 선택적인 경험 활성화는 검색 불확실성 하에서도 추론의 신뢰성을 향상시키는 것으로 나타났습니다. FinAcumen 코드 및 데이터는 익명으로 https://anonymous.4open.science/r/FinAcumen 에서 이용 가능합니다.

Financial multimodal reasoning requires agents to coordinate numerical computation, retrieval, visual interpretation, and temporal grounding across heterogeneous evidence sources. Existing tool-augmented agents improve execution fidelity, yet remain largely stateless across episodes, repeatedly rediscovering reasoning strategies and failure patterns. In high-stakes financial settings, this leads to unreliable tool routing, noisy retrieval, and hallucination-prone reasoning. We present FinAcumen, a financial reasoning agent framework centered on selective experience memory for tool-augmented multimodal reasoning. FinAcumen accumulates financially grounded reasoning experience from prior trajectories, distilling successful strategies and failure-derived cautionary rules into a persistent memory bank. During inference, retrieved experiences condition reasoning only when semantic relevance exceeds a calibrated threshold, while irrelevant memory is explicitly suppressed through a fallback mechanism. A deterministic financial tool environment further grounds numerical computation, retrieval, visual decoding, and answer verification.Across four financial multimodal reasoning benchmarks, FinAcumen consistently improves a frozen 8B vision-language model over finance-specialized models and approaches leading proprietary general-purpose models. Further analysis shows that selective experience activation improves reasoning reliability under retrieval uncertainty. Our code is anonymously available at https://anonymous.4open.science/r/FinAcumen