English(EN) PRICE: A Systematic Study of LLM Adaptation Choices for Bitcoin Price Forecasting

LLM适应性选择对预测比特币价格的准确性至关重要

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-07 04:00

研究人员开发了PRICE，一种用于调整大型语言模型（LLM）以预测比特币价格的系统方法。该方法应用于4位量化的LLaMA-3 8B模型，集成了参数高效微调（LoRA）、递归多步推理、整数四舍五入数值表示、上下文-任务-格式（CTF）提示以及精确的零温度解码。消融研究表明，每个组件都能提高预测的准确性和可靠性，其中CTF提示的性能优于思维链（Chain-of-Thought），零温度解码提高了稳定性。PRICE在与八个基于Transformer和时间序列基础模型的比较中取得了优越的性能，证明了适应性选择在LLM数值时间序列预测中的关键作用。 AI

影响证明了即使对于主要未经过时间序列数据训练的模型，仔细的LLM适应技术也能产生具有竞争力的预测性能。

排序理由学术论文，详细介绍了一种在特定预测任务中LLM适应性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 39 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种在特定预测任务中LLM适应性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Maryam Fakhari, Mehran Safayani · 2026-09-07 04:00

PRICE：LLM 适应性选择对比特币价格预测的系统性研究

arXiv:2609.05235v1 Announce Type: cross Abstract: Cryptocurrency markets exhibit extreme volatility and non-stationary dynamics that challenge conventional forecasting methods. Although Large Language Models (LLMs) have shown promise for time series forecasting, the combined effe…

本文如何被排名

报道来源 [1]

PRICE：LLM 适应性选择对比特币价格预测的系统性研究

相关实体

相关话题