标签
DiRAFT 通过从聚合话语先验而非单个源文本段落中采样概念图计划来合成金融转录文本，并在两个金融语料库上对残余保密风险进行实证评估，发现随机采样最能兼顾过渡保真度与隐私保护。
该论文提出了 EPSBench，一个用于评估 LLM 智能体季度盈利预测能力的基准，涵盖 86 家美国公司的 149 个公司季度数据。结果显示，各模型的预测区间覆盖率显著低于标称的 80%。
该论文研究基于英文构建的 LLM 流水线能否跨语言复用，通过支票信息提取、Mintaka 问答和 FinanceBench 三个任务评估其准确性、推理开销与行为稳定性，结论是流水线可有条件地复用，但仍需针对具体语言和领域分别验证。
本文对金融文档审查任务中的单智能体与多智能体 LLM 设置进行了对照实验，发现将工作分配给三个智能体能略微多发现一些缺陷，但会增加误报，且 Token 消耗达到 2.2 至 2.4 倍；而采用简单自采样的单智能体方案往往能达到更好的平衡准确率。
研究人员发布了一个包含约16万篇巴西葡萄牙语金融新闻文章的大规模语料库，并基于语义相似度（余弦相似度、KNN、FAISS）建立了多分类弱监督基准，结果显示任务对标注质量和类别分布高度敏感。
FinGREAT 评估开放权重 LLM 在金融图引导检索与关系分类任务上的表现，利用 11 节点 11 边的复式记账图谱分析 1300 份 SEC 10-K 文件，并引入包含 483 段人工标注的关系分类基准，最强开源与闭源模型准确率分别为 84.1% 和 92.8%。
论文提出 MULTIFINGROUND 多语言金融基准，揭示语言模型虽能跨语言识别财务概念（准确率 97.3–99.4%），却在 26.6–41.9% 的情况下无法完整恢复对应的数值证据，凸显了概念识别与证据落地之间的差距。
一项兰卡斯特大学的研究以预训练Transformer模型对超长英国金融年报（FNS 2020数据集）上的摘要方法进行基准测试，对比了多种评价指标，提出了新的BRUGEscore指标（ROUGE-2与BERTscore的调和平均值），并通过统计显著性检验与对抗性扰动分析验证了实验结果。
本文提出 FinDialogLens，一个面向多方金融聊天室事件抽取的混合式 LLM 管道，用于还原遗漏交易；借助难度感知路由器，该方法在使用 GPT-4o 时，最终价格与交易结果的准确率分别达到 92.1% 和 94.3%，同时将 LLM 调用量削减了 85%。
该研究评估了 Llama-3 8B、Qwen-2.5 14B 和 Llama-3.3 70B 等 LLM 在从 SEC 10-K 文件中提取财务数据时的表现，发现将模型规模与文档结构复杂度对齐可在零样本设置下获得高准确率，从而缓解量化金融数据集中超过 70% 公司面临的缺失数据偏差问题。
本文提出PALM，这是一种低秩适配器方法，可将金融语言模型适应到特定时间点，无需完全重新训练，从而减少金融回测中的前瞻偏差和计算成本。
本文测试了这样一个假设：在金融自然语言处理中，经人类标签验证的情绪工具也能预测市场信号，结果发现基准一致性并不决定预测有效性，且垃圾信息影响基于交易量的分析。
本文审计了多个模型在金融新闻自然语言处理基准中的时间泄漏，发现随机划分会夸大性能指标，并确定并购事件是在时序评估下具有局部正向信号的一个类别。
CLAIR-Fin 是一种对抗性多智能体框架，旨在通过将问题分解为原子声明，并使用自适应辩论和验证来减少幻觉，从而增强跨模态金融问答的忠实性。
本文提出了一种方法，使用组相对策略优化（GRPO）对开放权重语言模型进行微调，以生成可操作的财务建议，在独立于评判者的CATE评估中优于商业LLM，同时满足安全标准。
本文介绍了LabelFusion-TS，它融合了微调后的RoBERTa编码器、提示式LLM以及基于市场数据的时间序列Transformer，将美联储沟通文本分类为鹰派、鸽派或中性。该融合系统达到了70.2%的加权F1分数，优于零样本LLM，并初步证明市场时间序列有助于金融文本分类。
本文介绍了AWARE-FX，一个可审计的AI/NLP决策支持系统，可从年度报告中提取并对企业外汇套期保值披露进行评分，并在24,909个香港公司年度样本上进行了FinBERT、ModernBERT和Qwen3-8B的对比评估。
本文介绍了HSA_CORAL团队在FinCausal 2026共享任务中的提交成果，比较了编码器-only、编码器-解码器和解码器-only LLM在金融叙述中因果关系抽取式问答中的表现。微调后的GPT-4.1 Mini在英语子任务中取得了最高分，在西班牙语子任务中排名第三。
介绍了一种利用合成数据进行蒸馏的金融情感分析框架，将知识从大型教师模型迁移到紧凑学生模型，并采用基于聚类的种子选择方法实现高效的低资源领域适应。
本文引入了语义状态抽象接口（SSAI），旨在将LLM增强型投资组合决策中的表征假设与优化方差分离开来。研究结论指出，SSAI的表观优势很大程度上源于篮子选择效应，而在实证上，密集编码和主成分表现更佳。