FiNER-139 是一个面向 XBRL 标签的金融数值实体识别数据集，包含约 110 万句从美国上市公司年度和季度报告中抽取的句子，并标注了 139 类 XBRL 标签。它把财务报告中的数值识别和标签映射转化为实体识别任务，目标是让模型自动判断一个数字在上下文中对应哪个财务科目或披露标签。

这个项目非常适合放在金融 AI 数据批次里，因为它揭示了财报结构化的核心难点：数字本身没有语义，同样的 “100 million” 可能是收入、成本、资产、负债、现金流、员工费用或税费，必须结合上下文判断。FiNER-139 的标注就是为了训练模型理解这种上下文。

FiNER-139 与普通 NER 不同。普通 NER 通常识别人名、地名、机构名，标签数量有限；FiNER-139 有 139 类金融数值标签，而且大部分实体是数字。模型需要理解财务语言、会计科目、句子结构和数字表达。项目还讨论了数字 token 对 BERT 的影响，并发布了 SEC-BERT 等模型资源。

对银行来说，这类任务可以迁移到财务报表录入、审计报告解析、授信材料结构化和监管报送校验。尤其在对公授信中，客户提交的报表和审计报告经常需要人工录入关键指标。如果 AI 能识别数字对应科目，就能显著提升结构化效率，但也必须建立校验和复核机制。

• 将 XBRL 标签映射转化为金融数值实体识别任务。
• 数据规模较大，标签体系细，适合训练金融文档结构化模型。
• 关注数字 token、上下文和财务科目之间的关系。
• 可连接 SEC-BERT、财报解析、监管报送和财务指标抽取场景。

FiNER-139 最值得学习的是“金融数字理解”。大模型读到数字并不等于理解数字，必须知道这个数字是什么科目、属于哪个期间、单位是什么、上下文是否为同比变化或绝对值。FiNER-139 提供了一个细粒度学习入口。

对银行内部数据标注来说，它也提供了标签体系设计参考。比如在中文审计报告中，可以设计收入、成本、毛利、资产、负债、现金流、应收账款、存货等标签，并让模型辅助录入和校验。

• 财务报表、审计报告和披露文件中的数字标签识别。
• XBRL 自动标注、监管报送辅助和财务数据结构化。
• 对公授信财务指标抽取和录入校验。
• 金融文档理解模型预训练和评测。
• 财务知识图谱中的数值事实构建。

FiNER-139 基于美国 SEC 披露和 XBRL 标签，不能直接覆盖中国会计准则、中文报表和银行内部财务模板。财务标签错误会带来严重业务风险，因此生产应用必须做金额平衡校验、科目层级校验、人工复核和审计留痕。