대규모 언어 모델(LLM)의 발전과 함께 금융 정보 검색이 중요한 산업 응용 분야가 되었습니다. 이 논문은 긴 금융 서류에서 작업 관련 정보를 추출하는 문제를 다루며, 문서 랭킹 및 청크 랭킹 두 가지 과제를 통해 FinAgentBench 데이터셋을 사용합니다. PRISM이라는 훈련이 필요 없는 프레임워크를 제시하며, 정교한 시스템 프롬프팅, 문맥 내 학습(ICL), 그리고 가벼운 멀티 에이전트 시스템을 통합합니다. 이 프레임워크는 프롬프트 엔지니어링을 통해 정확한 작업 지침을 제공하고, ICL을 통해 의미적으로 관련된 소수 샷 예제를 제공하며, 멀티 에이전트 시스템을 통해 조율된 점수 매기기 동작을 모델링합니다. PRISM은 제한된 유효성 검사 분할에서 NDCG@5 0.71818을 달성했으며, 생산 규모의 금융 검색에 적합하고 견고함을 입증했습니다.
