探索大语言模型在金融领域的应用：FinMA的技术、性能与挑战
计算与语言
2025-10-08 v1 机器学习
摘要
本研究探讨了领域适应型大语言模型（LLM）在金融自然语言处理（NLP）情境下的优势与局限。分析基于PIXIU框架内创建的FinMA模型，其在专用金融任务上的性能得到评估。鉴于金融应用中对准确性、可靠性和领域适应性的严格要求，本研究 examines FinMA的模型架构、其利用金融指令调优（Financial Instruction Tuning, FIT）数据集的指令调优过程，以及其在FLARE基准测试下的评估。研究发现，FinMA在情感分析和分类任务中表现良好，但在涉及数值推理、实体识别和摘要生成的任务中面临显著挑战。本工作旨在推动对如何有效设计和评估金融LLM以辅助金融决策过程的理解。
引用
@article{arxiv.2510.05151,
title = {Exploring Large Language Models for Financial Applications: Techniques, Performance, and Challenges with FinMA},
author = {Prudence Djagba and Abdelkader Y. Saley},
journal= {arXiv preprint arXiv:2510.05151},
year = {2025}
}