合成财报实验测量LLM金融预测的输入依赖
热点事件持续更新
合成财报实验测量LLM金融预测的输入依赖
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Alina Khaybullina 在 arXiv 发表研究（arXiv:2610.22043），用独立改变20日动量、非信息性评论语气、以及固定实际EPS相对被操纵共识是否超预期的合成盈利公告，测量语言模型金融预测对哪些输入敏感。 实验对象是四个模型家族的六个指令/聊天检查点转换（基础参数量0.49–7.61B），每个模型在直接回答的Q8_0协议下接收2,016条提示。作者称，实验度量的是条件性答案前缀分数的匹配变化，而非校准后的市场概率。 论文明确该实验只测量可观察的输入依赖和数字识别能力，既不建立内部推理机制，也不证明实际的收益可预测性。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
Alina Khaybullina 研究动量、评论语气与盈利意外对LLM财务预测的影响报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIAlina Khaybullina 研究动量、评论语气与盈利意外对LLM财务预测的影响
Alina Khaybullina 的研究让语言模型接收分别改变20日动量、非信息性评论语气和实际EPS相对共识意外的合成盈利公告，并比较四个模型家族的六个指令/聊天检查点转换。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。