arXiv · cs.AI· Aman Kumar, Lasitha Vidyaratne, Dipanjan D Ghosh, Arnab Chakrabarti, Ahmed K Farahat·· 1 天前
金融披露文本细粒度不一致分类诊断研究
Diagnosing Fine-Grained Inconsistency Classification in Financial Disclosure Text
arXiv:2607.26368v3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：Aman Kumar, Lasitha Vidyaratne, Dipanjan D Ghosh, Arnab Chakrabarti, Ahmed K Farahat
研究任务与主要进展
研究人员在合成基准 SBID-FD 的固定快照上比较多种方法，诊断金融披露文本中的 11 类细粒度不一致。任务特定适配显著优于冻结表征，微调后的 300M 编码器可与规模更大的提示式大型语言模型及 LoRA 适配生成模型竞争。自动提取的证据能提供额外信号，但仅恢复参考跨度收益的一部分，部分类别即使获得相关证据仍难以分类。
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