關於 VerifiQuant

論文

VerifiQuant: Governance-by-Execution for Financial LLM Workflows. Yu-Chi Ko, Mi-Yen Yeh, Shou-De Lin. 收錄於 Proceedings of the 7th ACM International Conference on AI in Finance (ICAIF '26)，義大利米蘭，2026 年 11 月 14 至 17 日，ACM 出版。doi:10.1145/3858063.3858688。以 CC BY 4.0 授權發表。

這個網站有什麼

• 論文重播。R-PAL、R-PAL⁺ 和 VerifiQuant 在全部 80 題陷阱題和三題乾淨題上的實際輸出，取自論文表格背後的那幾次執行，用論文自己的計分程式評分。這一頁不呼叫任何模型。
• 驗證過的修改。貸款合約宣告的期初付款轉換，由論文評估的同一個驗證器即時檢查，同樣不呼叫模型。
• 直接試用。完整的漏斗，跑在論文用的 250 張合約上，檢索前 4 名，模型是 Gemini 2.5 Flash。選合約、填數值和判斷歧義都是 LLM 步驟，所以即時結果可能和紀錄裡的不一樣。

中文介面只翻譯網站本身。題目、合約內容、實驗紀錄和即時的模型輸出都保留英文原文，因為翻譯它們會改變紀錄的內容。

系統保證什麼，不保證什麼

• 算術不經過模型。數字只會由合約自己的程式算出來，而且要先通過每一道關卡。
• 輸入只檢查格式和範圍，不檢查來源。關卡看不出一個填進去的數值是不是從正確的欄位拿來的。
• 紀錄可以照原樣重跑。確定性的步驟會依照儲存下來的綁定重新執行。如果從原始題目重新跑一次，走的路徑可能不同。
• 修改的驗證是有範圍的數值檢查，不是形式上的等價證明：修改後的結果要在取樣的輸入上符合宣告的不變式。
• 在庫外，它給的是範圍訊號，答題數沒有變多。這裡的庫外是指公式家族不在合約庫裡，題目仍來自同一個基準資料集。

實驗設定

致謝

本研究部分由國家科學及技術委員會（計畫編號 113-2628-E-001-003-MY4）、國立臺灣大學與中央研究院創新合作計畫（AS-NTU-114-06），以及中央研究院資訊科學研究所與資訊科技創新研究中心支持。