研究人员开发了滞后偏好优化（HPO）方法，这是一种训练语言模型提供金融时间序列咨询的新颖方法。该技术利用了强化学习原理，特别是使用观察到的结果来生成偏好对进行训练，而无需人工标注。将其应用于一个拥有40亿参数的模型以处理S&P 500股票时间序列，HPO在准确性和咨询质量方面均优于其更大的教师模型。 AI
影响 引入了一种新颖的LLM训练方法，有望提高金融应用中的咨询质量。
排序理由 这是一篇介绍LLM新训练方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.23988v1 Announce Type: new Abstract: Time series models predict numbers; decision-makers need advisory -- directional signals with reasoning, actionable suggestions, and risk management. Training language models for such predictive advisory faces a fundamental challeng…