Conv-FinRe：面向实用导向金融推荐的对话式纵向基准
人工智能
2026-05-19 v2 计算工程、金融与科学
摘要
大多数推荐基准评估模型是否能模仿用户行为。在金融咨询领域，观察到的行为可能嘈杂或短视，受市场波动影响，可能与用户的长期目标相冲突。将用户所选内容视为唯一真实答案，因而混淆了行为模仿与决策质量。我们提出 Conv-FinRe，这是一个面向股票推荐的对话式纵向基准，超越行为匹配进行评估。给定 onboarding 访谈、逐步的市场情境和咨询对话，模型必须在固定的投资期限内生成排名。关键的是，Conv-FinRe 提供了多视角参考，区分描述性行为与基于投资者特定风险偏好的规范实用导向，从而诊断 LLM 是遵循理性分析、模仿用户噪声，还是受市场动量驱动。我们基于真实市场数据和人类决策轨迹构建基准，实例化受控咨询对话，并评估了一系列最先进的 LLM。结果揭示了理性决策质量与行为对齐之间持久的张力：在实用基于排名方面表现良好的模型往往未能匹配用户选择，而行为对齐的模型则可能过度拟合短期噪声。数据集已在 Hugging Face 公开，代码在 GitHub 上可用。
引用
@article{arxiv.2602.16990,
title = {Conv-FinRe: A Conversational and Longitudinal Benchmark for Utility-Grounded Financial Recommendation},
author = {Yan Wang and Yi Han and Lingfei Qian and Yueru He and Xueqing Peng and Dongji Feng and Zhuohan Xie and Vincent Jim Zhang and Rosie Guo and Fengran Mo and Jimin Huang and Yankai Chen and Xue Liu and Jian-Yun Nie},
journal= {arXiv preprint arXiv:2602.16990},
year = {2026}
}
备注
Accepted by SIGIR 2026 Resource Track. Pre-camera-ready version