검증된 에이전트형 금융 인텔리전스 뉴로심볼릭 정책 생성

📝 원문 정보

• Title: VERAFI: Verified Agentic Financial Intelligence through Neurosymbolic Policy Generation
• ArXiv ID: 2512.14744
• 발행일: 2025-12-12
• 저자: Adewale Akinfaderin, Shreyas Subramanian

📝 초록 (Abstract)

금융 AI는 검색‑증강 생성(RAG)으로 문서를 잘 찾아도, 계산 오류와 규제 위반을 저지르는 경우가 많다. 본 논문은 이러한 문제를 해결하기 위해 VERAFI라는 에이전트형 프레임워크를 제안한다. VERAFI는 최신 밀집 검색과 교차 인코더 재랭킹을 기반으로 금융 전용 도구와 GAAP·SEC 준수, 수학적 검증을 포함한 자동화된 뉴로심볼릭 정책을 결합한다. FinanceBench 평가에서 기존 밀집‑재랭킹 모델이 52.4 %의 사실 정확도에 머물렀던 반면, VERAFI는 94.7 %를 달성해 81 % 상대 향상을 보였다. 정책 레이어만으로도 순수 에이전트 처리 대비 4.3 %p 상승했으며, 이는 지속적인 수학·논리 오류를 효과적으로 차단한다. VERAFI는 규제 준수와 투자·리스크 의사결정에 필요한 높은 정확성을 제공하는 실용적 경로를 제시한다.

💡 논문 핵심 해설 (Deep Analysis)

본 논문이 다루는 핵심 문제는 “검색은 잘하지만 추론 단계에서 오류가 빈번히 발생한다”는 점이다. 기존 RAG 파이프라인은 대규모 언어 모델(LLM)이 검색된 문서를 그대로 받아들여 답변을 생성한다. 이 과정에서 모델은 수치 연산, 회계 원칙 적용, 증권거래위원회(SEC) 규정 해석 등 고도의 전문성을 요구하는 작업을 수행해야 하는데, 현재 LLM은 이러한 정밀 연산과 규제 해석에 약점이 있다. 특히, GAAP(일반적으로 인정된 회계원칙)와 SEC 규정은 문맥에 따라 미묘하게 달라지는 규칙 체계이며, 작은 실수라도 법적·재무적 위험을 초래한다.

VERAFI는 문제를 세 단계로 분리한다. 첫째, 최신 밀집 검색(예: DPR, ColBERT)과 교차 인코더 재랭킹을 통해 가장 관련성 높은 금융 문서를 고정밀로 추출한다. 둘째, “금융 도구‑활성화 에이전트”가 검색 결과를 기반으로 계산, 표준화, 시뮬레이션 등을 수행하도록 설계되었으며, 이는 별도 API(예: 수식 엔진, 회계 규칙 엔진)와 연동된다. 셋째, 뉴로심볼릭 정책 레이어가 LLM의 자유형 텍스트 생성 위에 규칙 기반 검증을 얹는다. 이 레이어는 형식 논리(예: Horn clause)와 심볼릭 검증(예: Z3, Coq) 기법을 활용해 “계산 결과가 회계 원칙에 부합하는가”, “SEC 보고서 형식에 맞는가” 등을 자동 검사한다.

실험 결과는 두드러진 의미를 가진다. FinanceBench는 복합적인 회계·투자 시나리…

📄 논문 본문 발췌 (Translation)

...(본문 내용이 길어 생략되었습니다. 사이트에서 전문을 확인해 주세요.)