仅有置信度分数还不够：AI 金融中真正的数据锚定是什么样子

某个模型告诉你，它有 94% 的把握认为第三季度毛利率是 41.2%。而账本里的真实数字是 38.7%。这个置信度数字衡量的并不是正确性，而是这个错误答案听起来有多流畅。

这正是大多数财务团队在开始信任 AI 处理数字时踏入的陷阱。输出结果裹着一个看起来像概率的百分比，而一个看起来像概率的百分比会让人感觉像是一种把控。事实并非如此。置信度分数告诉你模型对自己猜测的把握有多大，却完全无法告诉你这个猜测是否与你的账本对得上。

置信度分数究竟衡量的是什么

大语言模型普遍存在校准失衡的问题，主要的失效模式是过度自信。这种模式在各类任务、模型和数据集中都普遍存在。即便模型在一个干净、符合训练分布的提示词上看起来校准良好，这种校准也十分脆弱，一旦输入偏离了训练时见过的内容，校准就会崩溃。而财务表格无时无刻不在“偏离”:合并单元格、经脚注调整的小计、混合单位、重述的对比数据。

在这背后还有一个更令人不安的发现。近期关于金融领域幻觉检测的研究表明，高的 token 置信度反而可能预示着更高的幻觉风险，而非更低。模型恰恰在最错的时候表现得最笃定。因此,“只给我展示置信度 90% 以上的数字”这种筛选本能，反倒可能优先呈现出编造的内容。

这正是把自我报告的确定性当作把关标准的核心问题所在:你是在让制造错误的系统去给这个错误打分。一个持怀疑态度的 CFO 绝不会接受一位人类分析师这样的操作，也没有理由对模型网开一面。

具备不确定性感知的 RAG 更好，但仍然不够

显而易见的下一步是，不再询问模型“你怎么想”,而是让它基于检索到的文档进行锚定。检索增强生成(RAG)相比依赖模型的参数化记忆，确实能减少幻觉，而更新的、具备不确定性感知能力的变体是真正的进步。2026 年一项关于贝叶斯 RAG 的研究，利用蒙特卡洛 dropout 将认知不确定性直接内建到检索环节，在苹果和微软的 10-K 文件上报告了约 93% 的答案准确率，以及比基线好约 27% 的不确定性校准水平。这是实实在在的进步，值得认真对待。

但要看清它衡量的是什么。它量化的是检索本身的不确定性，即系统是否找到了正确的段落。它并不能保证那段文字中的数字被正确读取，不能保证从一张四十行的表格里选中了正确的行项目，也不能保证之后的运算是可靠的。即便是优秀的 RAG 实现，在底层数据不完整、不相关，或者仅仅是从表格中解析错误时，依然会给出听起来很有把握的答案。检索锚定回答的是“这个数字来自哪里”,而不是“这个计算对不对”或“这是否与账本一致”。

对表格来说，这个缺口正是问题所在。一份 10-K 文件大部分内容都是表格。模型可以检索到正确的页面，清清楚楚地给出引用，却仍然可能因为两列共用了同一个表头，而把错误的业务分部的营收给你。置信度会很高，引用也是有效的，但数字是错的。

真正的锚定要对上账本，而不是对上提示词

这里有一个关键的区分，而整个行业一直在混淆这两者。

第一种是文本锚定:答案指向一份来源文档。这有用，但一份 PDF 并不是事实来源本身，它只是事实来源的一种呈现，而且往往是失真的呈现。

第二种是账本锚定:AI 返回的每一个数字都能对应到一个与总账对账一致的、已对账的财务模型中的具体数值。不是提到这个数字的一段话，而是这个数字本身，并且能追溯到产生它的那些交易。

真正的锚定是第二种。它改变了“核实”的含义。控制人不再需要点开一份源文档、重新阅读一张模型已经读错的表格，而是沿着数字向下追溯，追到产生它的计算，再追到它所依赖的已对账余额。这种信任不是概率性的，而是结构性的。

这正是 Rexfin 所构建的已对账数字方法。我们连接你的会计和财务数据系统，包括 QuickBooks、Xero、NetSuite、Sage,以及你的数据仓库，或者你上传的报表，构建出一个与账本对账一致的模型。AI 并不自己计算毛利率，而是从这个模型中检索数字，并通过一个确定性引擎运行计算，就像受控电子表格中的一个公式那样。答案返回时附带完整轨迹:涉及哪些余额、哪些期间、哪些调整。不需要置信度分数，因为整个路径都是可核查的。

为什么确定性计算能补上最后一道缺口

锚定输入是必要条件，但并不充分，另一半是数学本身。即便大语言模型检索到了正确的数字，它仍然可能把一个比率算反，把绝对变化和百分比变化搞混，或者把现金流出的符号弄反，这是一类我们在AI 数字对了，数学错了一文中探讨过的错误。置信度分数抓不住这类问题，因为在模型看来，这个运算结果听起来是合理的，于是它表现得很笃定。

让每一次计算都通过确定性引擎运行，能够彻底消除这类失效。相同的输入永远产生相同的输出，而且结果可以被复现。这正是一个数字能在董事会或审计师面前站得住脚的原因:不是因为模型很自信，而是因为这个计算可以被复现和追溯。同样的道理也解释了为什么 AI 数字只有经过核实才能进入董事会汇报,而这种核实应当是一次结构性检查，而不是看一个百分比感觉靠不靠谱。

结论

置信度分数和具备不确定性感知能力的检索都是真实存在、也在不断进步的技术，但两者单独存在时都不够。它们告诉你模型对自己的答案有多大把握，以及它去哪里找了资料，但都无法告诉你这个答案是否与你的账本对得上。对财务而言，这才是唯一重要的问题。

不要再依据模型听起来有多确信来评判 AI 的输出，而要依据每一个数字是否能对应到一个已对账的模型、是否经过确定性计算、是否可以追溯到来源。这才是站得住脚的锚定。

如果你想看看一个数字一路追溯到账本底层时是什么样子,预约演示,带上一个上一个 AI 工具算错的数字。