English(EN) Same-Number Citation Swaps: Stress-Testing Jev as a Financial Evidence Judge

新方法对LLM进行压力测试以确保财务证据引用的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员开发了一种方法来压力测试大型语言模型（LLM），例如GPT-4.1 mini，以评估它们正确引用财务证据的能力。该研究关注一个问题，即LLM可能产生数值上正确的计算，但引用了错误的财务角色或来源。通过在具有相同数字的单元格之间替换引用，研究人员分离了LLM的角色识别能力，揭示了检测不正确引用与支持有效引用之间的权衡。该评估框架旨在使基于LLM的财务助手能够独立评估数值正确性、引用角色支持和接受结果。 AI

影响这项研究通过提高LLM准确引用证据的能力，可能带来更可靠的基于LLM的财务分析工具。

排序理由该集群包含一篇详细介绍LLM新评估方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM新评估方法的论文。[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, model release; 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.CL TIER_1 English(EN) · Chuhong Xu (Sofia University), Bo Su (Indiana University), Ziyao Chen (University of California, San Diego), Ruiyang Xu (Northeastern University), Shimeng Dai (Michigan State University), Xinyu Qiu (Northeastern University) · 2026-10-07 04:00

同号引用互换：压力测试 Jev 作为金融证据裁判

arXiv:2610.08675v1 Announce Type: new Abstract: Financial reports repeat values across periods, metrics and accounting lines, allowing an LLM-generated calculation to be numerically correct while citing the wrong financial role. We evaluate what probabilistic evidence verificatio…

本文如何被排名

报道来源 [1]

同号引用互换：压力测试 Jev 作为金融证据裁判

相关实体

相关话题