标签
这篇探索性论文评估了在基于DisCoCat的情感分析中，LLM辅助改写中等复杂度金融句子的效果，发现基于提示的压缩可以将电路复杂度降低70%以上，并且与低复杂度基线相比，准确率略有提升。
本文介绍了FinEvolveBench（一个用于金融情感预测的基准测试）和Tree-of-Experience（ToE，一种针对低重复性任务和隐式奖励的LLM智能体的结构化经验管理方法）。实验表明，在此类挑战性场景中，ToE优于通用经验机制。
本文提出了一种利用大语言模型进行阿拉伯语金融情绪分析的框架，专门针对沙特市场，整合新闻和社交媒体数据以捕捉投资者情绪。
本文介绍了一种检索增强的大型语言模型框架用于金融情感分析，相比传统模型及ChatGPT、LLaMA等大型语言模型，在准确率和F1分数上实现了15%至48%的提升。