arXiv · cs.AI· Saanvi Khetan, Sankar Balasubramanian·· 1 天前
语言模型如何在缺失财务事实时代替身份进行投资建议
Thin Evidence, Thick Priors: How Language Models Substitute Identity for Missing Financial Facts
arXiv:2610.07798v1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：Saanvi Khetan, Sankar Balasubramanian
研究任务与主要进展
该论文基于摘要研究了 Llama-3.1-8B-Instruct 在财务信息逐步缺失时如何生成资产配置建议。实验包含 96,600 条提示、100 个财务档案、138 个身份设定和 7 种披露条件；财务事实从完整到完全缺失时，两个相同财务档案但身份不同的建议差距由 4.78 个百分点升至 10.34 个百分点。
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