LLMs 在金融回测中的时间自我认知测试中失败

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

开发了一个名为 FinDendro 的新基准来测试大型语言模型 (LLM) 在金融回测中的时间自我认知能力。该基准包含 1999 年至 2026 年的 2,226 个美国事实，显示 LLM 在被问及过去事件时，常常低估自己的知识量。例如，GPT-5 正确回答了 76% 的受控事实，但仅声称了解 38%，即使如此，它也正确回答了它声称不知道的 61% 的事实。研究表明，自我报告、从过去日期回答的指令或声明的知识截止日期不足以保证无泄漏的金融回测。 AI

影响凸显了 LLM 在时间知识方面的自我报告不可靠，影响了人工智能在时间敏感的金融应用中的可信度。

排序理由该集群包含一篇介绍 LLM 能力评估新基准的研究论文。[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: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇介绍 LLM 能力评估新基准的研究论文。[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, safety, 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.CL TIER_1 English(EN) · Lingfei Qian, Yan Wang, Xueqing Peng, Yupeng Cao, Yuechen Jiang, Zhuohan Xie, Anke Xu, Wenbo Cao, Jiarui Chen, Zehan Li, Jimin Huang, Alejandro Lopez-Lira, Yuehua Tang, Sophia Ananiadou, Jian-Yun Nie · 2026-11-05 05:00

大型语言模型不知道自己知道什么：金融回测的时间自我知识基准测试

arXiv:2611.06808v1 Announce Type: new Abstract: Financial backtests of large language models (LLMs) are meaningful only if the model did not already know the outcomes it is asked to predict. Practitioners guard against this by trusting a vendor's stated knowledge cutoff, by askin…

本文如何被排名

报道来源 [1]

大型语言模型不知道自己知道什么：金融回测的时间自我知识基准测试

相关实体

相关话题