金融决策面临一个核心难题：海量实时信息与复杂时间关联的理解。搜索引擎虽能提供及时信息，但难以精准理解用户意图；大语言模型推理能力强，却因缺乏实时数据而容易出错。这个矛盾成为金融智能化的关键瓶颈。 九方智投人工智能中心与九方金融研究所联合约翰霍普金斯大学针对该问题进行研究，提出了FinSearch框架。这套系统通过四个核心创新实现突破：基于大语言模型的多步搜索预规划器将用户查询分解为结构化子查询；自适应查询改写器根据中间结果动态优化搜索策略；时序加权机制依据查询的时间上下文优先呈现涉及的信息；大语言模型响应生成器将搜索结果合成为连贯的输出。 研究团队构建了包含1500道题目的FinSearchBench-24基准测试集，涵盖2024年6月至10月的股市、利率、货币政策及行业动态。实验结果显示，FinSearch在GPT-4o、Llama 3.1-405B和Claude 3.5-Sonnet上相比Perplexity Pro分别提升15.93%、14.06%和21.6%，充分证明了框架的先进性。 这项成果获得国际计算机学会主办的第六届人工智能金融国际会议（ICAIF 2025）正式收录。该会议首次落地亚洲并与新加坡金融科技节深度联动，汇聚全球顶尖高校学者、金融机构技术专家及科技企业研发骨干。FinSearch能在众多高水平投稿中脱颖而出，充分表明了其学术价值和实践意义。 这并非九方智投在金融科技研究的孤立突破。今年上半年，该公司与哥伦比亚大学合作的金融智能体研究成果在IJCAI-25金融大模型研讨会进行口头报告，近期又以论文形式发表于权威期刊。这若干成果反映了中国金融科技企业在国际学术舞台上的话语权不断增强，也表明大语言模型与金融应用结合的广阔前景。 从产业角度看，FinSearch框架的创新意义在于打通了实时金融数据获取与智能理解之间的通道。通过融合多元数据源、动态查询优化和时序感知能力，该框架为金融机构、投资者和研究机构提供了更精准、高效的信息获取工具，对提升金融决策质量、降低信息获取成本、加强风险防控意义重大。
金融科技的价值不在于"更聪明"的算法，而在于把复杂市场的关键信息以更可靠、更可追溯、更符合业务逻辑的方式送达决策者。国际顶会与权威期刊的认可为企业研发能力提供了外部验证，也提示行业回到本质：在真实场景中检验方法、在规范边界内迭代产品、在长期投入中沉淀标准。只有让创新与可信同向而行，金融智能化才能走得更稳、更远。