近日，中国人民大学科研团队推出玉兰·融观（Yulan-FinSight）——一款面向真实场景的专家级多模态金融研报生成系统，旨在实现从数据搜集、深度分析到图文报告生成的全流程自动化。该系统在AFAC2025金融智能创新大赛中，从1289支参赛队伍中脱颖而出，荣获挑战组冠军，并在多项评测中超越GPT-5 w/Search、OpenAI Deep Research及Gemini-2.5-Pro Deep Research等国际顶尖系统。
三大技术创新，模拟人类分析师思维
金融投资研究长期以来依赖人工处理海量数据与复杂分析，撰写一份高质量研报成为智力与时间的双重挑战。尽管当前通用AI搜索工具已具备一定信息整合能力，但在金融垂直领域仍面临专业知识缺失、图表生成简陋、分析深度不足三大瓶颈。为突破通用AI在金融领域的“次元壁”，研究团队从架构、视觉与写作三个层面推进系统创新。
（FinSight整体框架）
一是代码驱动可变内存（CAVM）架构。将外部数据、工具与智能体统一抽象为可编程变量，系统可通过编写和执行Python代码灵活调用多源异构数据，支持复杂推理与大规模信息处理。
二是迭代式视觉增强机制：引入“行动者-评论家”协作流程，由大语言模型生成图表代码，视觉语言模型从准确性、美观度等维度提出迭代建议，最终产出出版级专业图表。与现有模型仅能生成静态图片或简单图表不同，FinSight 能够绘制包含双轴（股价/交易量）、事件标注、复杂饼图与瀑布图等专业金融图表，并确保图文数据的一致性。
（可自主配置任务)
（生成报告概览）
三是双阶段写作框架：系统首先生成简明分析链（Chain-of-Analysis）作为核心洞察，再以此为基础，结合从互联网及金融数据库中获取的股价、财报、新闻等多源异构数据，编织成结构完整的长篇研报。报告通过自我反思机制进行润色，确保逻辑严密、引用详实，最终可生成包含“发展历程”、“核心业务架构”、“竞争格局”等章节的万字长文。
实验表现全面领先，可视化得分接近满分
（多模态报告生成任务的实验结果）
（迭代式绘图的效果分析）
在涵盖公司研究与行业研究的权威测试中，FinSight在事实准确性、分析深度与呈现质量上均显著优于主流竞品，综合评分高达8.09。特别是在“可视化”维度，得益于迭代视觉增强机制，FinSight 的得分高达9.00，远超行业平均水平，实现了真正的图文并茂。在长文本生成能力方面，系统生成的报告平均长度超过20,000字，包含50多张图表和详实的数据引用，且随着报告长度增加，质量依然保持稳定。
成果开源，推动行业智能转型
目前，该研究论文已发布于arXiv，代码及Demo已在GitHub开放。研发团队表示，FinSight不仅验证了AI智能体在垂直领域的应用潜力，也为金融投研行业的自动化、智能化升级提供了全新范式。