特色应用
该评估架构旨在部署为厄瓜多尔会计师、税务从业人员和纳税人的税务咨询助手。其模块化设计可适配拉丁美洲其他动态监管领域，如公共采购、银行业或环境合规；但此处报告的性能结果尚未在这些领域得到验证。
摘要
厄瓜多尔的税收法规不断变化，由此产生的信息分散于法律、法规、决议、表格和附件中，在含义和时间上有着紧密的联系。我们比较了四种检索增强生成（RAG）策略，用于对厄瓜多尔税收立法的问答（仅向量、图检索增强生成、混合和代理式检索），该系统支持文本、语音和图像输入，并结合了税收知识图谱、稠密向量搜索以及三个代理（用于细化、验证和规划每个查询的策略）。遵循由SALSA文献综述指导的设计科学研究方法，该系统在精选的51文档语料库上进行了测试，使用100个纯文本税务查询，涵盖四种检索模式和两个云端生成模型（gemma4:31b-cloud和gpt-oss:20b-cloud），共进行了800次RAGAS评估，另有五名领域专家进行了李克特量表评审。语音和图像输入性能未在此基准测试中评估。仅图检索在全部五个RAGAS指标上表现最弱（上下文精确度 = 0.02），而混合检索在最低延迟（2.66秒）下提供了最佳平衡（忠实度 = 0.67，答案相关性 = 0.64，上下文精确度 = 0.52，上下文召回率 = 0.76）。忠实度更依赖于生成模型而非检索模式（0.78 vs. 0.47）。没有一种策略在所有指标上均胜出，因此在动态监管领域中的架构选择应遵循操作优先级，而非单一的普遍最优配置。
