【Plan A】大模型后训练-金融智能-27届

1. 面向投研、估值和金融建模等真实工作流，将金融专家的分析过程表示为可执行、可审计的长程推理轨迹； 2. 研究多源信息检索与交叉验证、时序一致性、数值推理、可信度控制、可验证奖励与长程信用分配，并通过 Agentic RL、Multi-Teacher On-Policy Distillation（MOPD）等方法，推动金融专项能力与通用推理能力协同演进。