【AFAC2026金融智能-赛题四】我做了一个疯狂的决定，把Embedding和Reranker全删了

事情是这样的。

上个月，AFAC2026 金融智能挑战赛出了第四赛道，金融长文本 Agent 的动态记忆压缩与高效问答挑战。赛题详情在这里，AFAC2026 赛道四官网。

听着很长对吧，我用大白话给你翻译一下。给你一堆金融文档，保险的、监管的、合同的、研报的，总共 87 个 PDF，每个几十到上百页。然后给你 200 道题，有单选、多选、判断，每道题都要靠翻这些文档来回答。但有限制，全流程只能花 500 万个 token。

500 万 token 是什么概念呢，Qwen3.6-27B 这种级别的模型，如果傻乎乎地把每题涉及的文档全扔进去读，一共 100 道 A 榜题就能吃掉 360 多万 token。准确率惨不忍睹。

说出来你可能不信，官方的基线算法，准确率甚至不如纯蒙。

这差距大的，我当时看完赛题说明愣了好一会。但我这人吧，就是喜欢这种看起来不太可能的事情。越是不可能，越想去试试看。

好了，这是一个关于 FinMemQA 的故事。

坦率的讲，这个赛题最核心的矛盾就一个。怎么在 token 预算极其紧张的情况下，让模型读到最该读的东西，然后回答准确。

我直接说结论，我们最后做到了四步流水线。Planning，BM25 检索，记忆压缩，LLM 推理。前面三步花 0 个 token，所有开销全压在最后一步。