代码交互式K线推理：Fin-Thinker让证据可验证

01 摘要

作者提出代码交互式金融K线推理任务，并给出Fin-Thinker：基于Qwen3.5-9B，通过生成并执行代码获得观测、完成计算，再据此推进推理。为训练该能力，作者构建FinKLine-32K共32184条经replay校验的代码-观测轨迹，并采用三阶段训练：视觉-代码基础微调、金融过程监督、执行反馈强化学习。在FinKLineBench上报告严格准确率相对最佳直答基线提升13.1个百分点，相对其基座模型加沙箱提升33.2个百分点；但所有数字均来自作者自建基准与自报实验，尚需独立复现。

02 关键点

1. 任务设定要求模型先在K线图中定位视觉元素，再跨交易日与面板对齐，并结合数值和金融推理给出答案。
2. Fin-Thinker用代码获取观测和计算，训练数据FinKLine-32K包含成功解与含错误恢复的轨迹，强调过程可验证。
3. FinKLineBench含1200题、138类金融任务，分开评估答案正确、代码执行与证据落地；消融显示过程监督和执行反馈强化学习带来连续提升。