arXiv · cs.AI· Sujung Kim, Seung Hwan Cho, Sangjin Park, Young-Min Kim·· 2 天前
Qwen3用于股票收益预测的忠实叙事推理外显框架
Reasoning Externalization for Faithful Large Language Model Narratives of Stock Return Predictions
arXiv:2609.38869v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sujung Kim, Seung Hwan Cho, Sangjin Park, Young-Min Kim
研究任务与主要进展
研究者提出面向横截面股票收益预测的大语言模型叙事框架，将六个月XGBoost时间SHAP重要性变化与历史相似阶段作为证据，并通过逐步提供原始SHAP序列、确定性时间描述和特征关系进行受控研究。Qwen3-32B-Instruct的证据忠实度从0.696提升至0.996；历史相似阶段虽未提高结构化自动忠实度，但获得了更高的人工实用性评分。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org