提出假设问题，得到的是重新计算，而不是猜测

“今年营业利润对营收的敏感度有多高？”这类问题很容易在聊天框里问出来，也很容易被草率地回答。LLM 会欣然给你一个听起来合理的百分比。Rexfin 用另一种方式回答这个问题:它改变一个已披露的数字，让这个变化沿着报表本身的实际算术逻辑传导下去，并准确报告哪些科目发生了变动、变动幅度是多少，每一项都仍可追溯到其来源的申报文件页面。

当你提出问题时，实际发生了什么

在问题背后,Rexfin 会将你所询问的内容解析为一个具体的已披露数字，可能是一条营业费用科目、一项营收总额，或者问题所指向的任何数字，以及一个变动幅度，可以是百分比，也可以是绝对金额。随后它会扰动这一个数字，并沿着报表自身的结构向上传导变化:如果营收是毛利的组成部分，而毛利又汇入营业利润，引擎就会使用最初从申报文件中生成这些小计时所用的同一套算术逻辑，重新计算每一个小计。没有任何环节是靠估算得出的。每一条相关科目都是重新计算出来的，而不是预测出来的。

结果会以列表形式返回，列出所有受该变化影响的科目，每一项都附带其基准值、新值以及变动幅度，再加上将其与你所改变的数字连接起来的报表关系链。由于整个过程运行在与 Rexfin 其他部分引用的同一份证据图谱之上，每一条受影响的科目仍携带自己的来源页面。你可以像追溯产品中其他任何数字一样，将一个变动的小计追溯回它所依赖的印刷数字。

只读，并且明确声明这一点

这是一个探针，而不是模型变更。它不写入任何内容，不创建任何情景，也不改动你已申报的数字，它只是计算出一个答案并返回给你。这在实时场景中很重要:你可以再次运行它，换一个变动幅度重新运行，甚至在观众面前运行，不会有它悄悄改动某些内容、事后需要你去清理的风险。用相同的输入运行同一个问题两次，两次得到的答案完全一致，因为底层的算术逻辑不会像 LLM 的措辞那样在不同运行之间产生漂移。

该引擎对于自己不会做的事情也很坦诚。如果你扰动的是一个小计而非基础科目，那么它上方的合计会随之变动，而其下方的组成部分则会保持原样，它不会反向推算小计的各个组成部分该如何变化才能得出这个小计，因为那是一种截然不同、也远不确定的问题。而如果某项变化需要在母公司数字与合并数字之间跨越，它会拒绝悄悄猜测你指的是哪一个，而是明确表示无法判断。凡是无法安全传导变化的情况，都会标注原因，而不是被悄悄吞掉。

这不是什么

这是对你已经披露的数字进行的敏感性检验，即“如果这个已披露的数字有所不同，哪些地方会出问题或需要调节”。它不是预测引擎。向前预测营收、设定增长驱动因子，或运行完整的多期情景，是为该目的专门构建的另一项能力;关于这个问题的前瞻版本，请参见基于驱动因子的假设建模和三表联动预测引擎。刻意将两者分开，正是这个探针能够保持简单、快速、且可证明安全运行的原因，它永远不需要去猜测一个假设，因为它本来就没有做出任何假设。

为什么可追溯性和数学计算同样重要

之所以值得拥有这项能力，而不是仅仅让模型目测一下敏感度，原因和产品其他部分坚持要求引用来源的原因是一样的:一个无法追溯回申报科目的敏感性数字，一旦有人质疑，就是一个你无法为其辩护的数字。这里每一个变动的数字仍能解析回一个印刷页面，与聊天回答的方式相同，关于这种来源关联如何在产品中得以保持，请参见信任链如何为证据排序;关于你如何从屏幕上的一个数字实际找到它的来源页面，请参见来源抽屉:点击即溯源。

关于本产品这一部分所涵盖的其余内容，请从Rexfin 产品导览开始了解。