Zespół badawczy opracował FinEvolveKG, innowacyjny system do budowy grafów wiedzy z dokumentów finansowych, który automatycznie optymalizuje prompty dla modeli języka bez potrzeby ręcznego dostrajania. Rozwiązanie tego problemu polegało na rozdzieleniu promptów na dwie niezależne części: trwały blok ogólny zawierający uniwersalne reguły czasowe i semantyczne oraz wymienialny blok persona-policy dostosowujący się do konkretnych potrzeb analitycznych.
Dotychczasowe podejścia stanęły przed dylematem: ręczne tworzenie promptów dla każdego scenariusza było kosztowne, a nieskrępowana optymalizacja całego promptu mogła niezamierzenie zmieniać wspólne reguły, utrudniając przegląd zmian. FinEvolveKG rozwiązuje to poprzez mechaniczne ograniczenie optymalizatora GEPA wyłącznie do persona-policy bloku. Podczas testowania na podzielonych dokumentach 10-K z trzema różnymi персонами finansowymi system osiągnął poprawę 19,4-30,9% względem zamrożonego baseline'u oraz 2,2-6,4% nad nieograniczoną ewolucją pełnego promptu.
Rozwiązanie ma istotny wpływ na skalę wdrażania AI w finansach. Instytucje mogą teraz szybko adaptować systemy do nowych potrzeb analitycznych - analizy ryzyka, zarządzania portfelem czy badań inwestycyjnych - bez fragmentacji wspólnych reguł semantycznych czy zmuszania zespołów do ręcznego audytu każdej zmiany w promptach. Byte-stabilność niezmieniającego się bloku ogólnego umożliwia też łatwą śledzenie historii zmian i wersjonowanie.