问题——金融市场信息密集、变化迅速，决策对“快、准、全”的信息处理能力提出更高要求。
现实中，一方面，传统检索工具能够提供实时信息入口，但往往难以精确理解用户的复杂意图和多轮上下文，尤其在跨数据源、跨时间窗口的查询场景下容易出现“答非所问”或信息分散的问题；另一方面，基于大语言模型的交互式分析与推理能力受到关注，但其输出可靠性高度依赖外部数据的及时补给与可验证引用，若缺少实时数据支撑，容易产生滞后或不确定结论。
如何让模型具备稳定的实时数据接入能力，并对时间关联进行有效建模，成为金融智能应用落地的关键堵点。
原因——从研究路径看，行业“检索与生成”结合方案虽不断涌现，但普遍面临三类约束：其一，专业金融数据的获取与对接难度较高，多源数据之间的结构差异、更新频率和权限边界，增加了系统工程复杂度；其二，静态查询结构难以适应市场快速变化，若无法根据中间检索结果动态调整搜索策略，就难以覆盖突发事件、政策变化或行业轮动带来的信息迁移；其三，金融问题天然具有时间敏感性，宏观政策、利率变化、公司公告与市场行情的因果链条往往依赖时间顺序与窗口设定，缺乏时序理解会直接影响信息筛选的相关性与结论的可解释性。
针对这些痛点，九方智投人工智能中心、九方金融研究所与约翰霍普金斯大学合作，提出面向实时金融信息检索的“时序感知搜索代理框架”FinSearch，并被ICAIF 2025会议正式收录。
相关研究以多步规划、动态改写、时序加权与结果生成等机制，尝试在“检索能力”和“推理表达”之间建立更稳定的协同关系。
影响——从学术与产业两端看，此类研究的意义不仅在于“性能提升”，更在于为金融智能应用的可控性与可复用性提供框架。
研究提出以图结构方式对用户问题进行拆解与规划，将不同子任务映射到市场、股票、新闻等多类数据源，并在检索过程中根据中间结果自适应改写后续查询，进而提升对动态市场的响应能力；同时引入时序加权机制，强化对“什么时候发生、影响持续多久、与当前问题相关的时间窗口是什么”的刻画，有助于将信息排序从“热度驱动”转向“语境与时间驱动”。
在评测方面，研究构建包含1500道选择题的基准测试集FinSearchBench-24，覆盖2024年6月至10月期间的股市、利率变动、货币政策与行业动态等主题，用以检验模型在时间相关问题上的稳定表现。
实验显示，在不同模型配置下，FinSearch相较对比系统取得一定幅度优势，提示其方法对提升实时金融信息检索质量具有参考价值。
对策——在推动成果落地层面，业内普遍认为仍需把握“可验证、可追溯、可合规”的基本原则。
一是夯实数据治理与权限管理，在保证合规前提下完善多源数据接入、数据血缘与引用标注机制，让结论能够回溯到具体信息来源，降低“不可解释输出”风险。
二是强化对时序与事件的结构化表达，将政策、公告、宏观指标与市场反应纳入统一的时间轴框架，提升系统对跨周期、跨品种信息联动的处理能力。
三是以应用场景牵引迭代，在投研辅助、资讯解读、风险提示等高频场景中进行闭环评估，建立覆盖准确性、时效性、稳健性与安全性的指标体系，避免仅以单一分数衡量系统价值。
四是加强产学研协同与同行评议，通过国际会议与期刊的规范化表达，推动方法、数据与评测标准逐步透明，促进行业共同提升。
前景——本届ICAIF首次落地亚洲并与新加坡金融科技节联动，释放出金融与智能技术加速交汇的信号：一方面，全球金融机构与科技企业正围绕“实时信息理解”“智能体协作”“可信生成”等方向展开竞赛；另一方面，技术路线正在从单点模型能力比拼转向系统工程能力比拼，谁能更好解决数据接入、时序建模、动态规划与可解释评估，谁就更可能在复杂金融场景中获得稳定收益。
除检索框架研究外，九方智投在金融智能体方向亦持续推进：其与哥伦比亚大学合作的相关成果此前在国际人工智能联合会议（IJCAI-25）金融大模型研讨会进行口头报告，并进一步发表于《Frontiers of Information Technology & Electronic Engineering》等期刊，体现其在“会议交流—期刊沉淀—应用转化”的链条上进行连续布局。
业内认为，随着监管对信息披露、风险管理与模型治理要求不断提高，能够同时兼顾学术严谨性与工程可控性的研究，将更具长期价值。
科技创新是推动金融业高质量发展的重要引擎。
九方智投在国际顶级学术会议和权威期刊上的连续突破，不仅彰显了中国金融科技企业的研发实力，更为整个行业的技术进步树立了标杆。
随着大语言模型与金融应用的深度融合不断推进，如何将学术研究成果更好地转化为产业实践，如何在国际竞争中保持技术领先地位，成为摆在中国金融科技企业面前的重要课题。
这些成果的取得表明，只要坚持自主创新、深化产学研结合，中国企业完全有能力在全球金融科技竞争中占据一席之地，为金融业的智能化转型贡献更多中国智慧。