大型语言模型是否是金融情感分析的优秀上下文学习器？
计算与语言
2025-03-10 v1 人工智能
计算金融
摘要
近年来，拥有数百亿参数的大型语言模型（LLM）展示了涌现能力，在无需针对领域特定数据进行微调的情况下，在各个领域超越了传统方法。然而，当涉及金融情感分析（FSA）——金融AI中的基础任务——这些模型常常面临各种挑战，如复杂的金融术语、主观的人类情感和模糊的倾向表达。在本文中，我们旨在回答一个基本问题：LLMs是否是FSA的优秀上下文学习器？揭示这一问题可以提供有价值的见解，即LLMs能否通过泛化金融文档-情感对的上下文演示来学习应对这些挑战，因为在金融特定数据上微调这些模型是困难的，甚至是不可能的。据我们所知，这是第一篇探索FSA上下文学习的论文，涵盖了大多数现代LLM（包括最近发布的DeepSeek V3）以及多种上下文样本选择方法。全面的实验验证了LLMs用于FSA的上下文学习能力。
引用
@article{arxiv.2503.04873,
title = {Are Large Language Models Good In-context Learners for Financial Sentiment Analysis?},
author = {Xinyu Wei and Luojia Liu},
journal= {arXiv preprint arXiv:2503.04873},
year = {2025}
}
备注
Accepted by ICLR 2025 Workshop on Advances in Financial AI