LLM Financial Analysis

大型语言模型金融分析显示出用户上下文的偏差，而不仅仅是证据选择的偏差

一篇新的arXiv论文研究了大型语言模型（LLMs）在分析金融文件时如何受到用户上下文（如角色提示和记忆）的影响。研究人员发现，证据的解释，而不是证据的选择，是不同LLM上下文中得出不同结论的主要驱动因素。虽然像将用户心态设定为投资者画像和分离基于证据的输出等缓解策略取得了一定的成功，但它们并未完全消除这些偏差，并且在不同模型之间的有效性差异很大。