一位开发者认为，大型语言模型（LLMs）不应用于金融系统的直接数值计算，因为它们固有的不可靠性和缺乏可审计性。作者提出了一种架构解决方案，其中LLMs充当协调者，将用户意图转化为基于Python的确定性核心的操作，由该核心处理所有计算。这种方法确保所有金融决策都基于可验证、可复现的代码，而不是潜在存在缺陷的模型输出。该系统包括一个确定性的评分核心、一个用于决策的枚举级联以及广泛的单元测试，以保证可靠性和可审计性，这对于处理真实资金的系统至关重要。 AI
影响 强调了在高风险量化系统中部署LLMs的关键架构考量，重点关注可靠性和可审计性。
排序理由 开发者关于LLM集成到金融系统中的架构最佳实践的观点文章。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
