LLM Financial Analysis

研究发现：大型语言模型金融分析受用户上下文影响而产生偏差

一项新近发表在arXiv上的研究，调查了大型语言模型（LLMs）在进行金融分析时，如何受到用户上下文（如记忆和角色提示）的影响。研究人员使用3,575份SEC文件测试了十二个大型语言模型，发现模型对证据的解读因分配的角色而异，且这种差异比检索到的证据更为显著。尽管诸如将用户心态设定为投资者画像或分离个性化输出来缓解偏见的方法取得了一定成效，但并未能完全消除所有测试模型中的这些偏差。