金融新闻摘要：抽取式方法能否真正替代大语言模型？
计算工程、金融与科学
2025-12-10 v1
摘要
金融市场因新闻、经济变动和地缘政治事件而迅速变化。快速反应对投资者避免损失或捕捉短期收益至关重要。因此，简明的金融新闻摘要对决策至关重要。随着每天有超过50,000篇金融文章发表，摘要自动化是必要的。本研究评估了从简单抽取式技术到先进大语言模型（LLMs）的一系列摘要方法，使用FinLLMs Challenge数据集。LLM生成的摘要更具连贯性和信息量，但它们资源密集且容易产生幻觉，可能在金融摘要中引入重大错误。相比之下，抽取式方法在短小、结构良好的文本上表现良好，并为这类文章提供了更高效的替代方案。最佳的ROUGE结果来自微调LLM模型如FT-Mistral-7B，尽管我们的数据语料库可靠性有限，这需要谨慎解读。
引用
@article{arxiv.2512.08764,
title = {Financial News Summarization: Can extractive methods still offer a true alternative to LLMs?},
author = {Nicolas Reche and Elvys Linhares-Pontes and Juan-Manuel Torres-Moreno},
journal= {arXiv preprint arXiv:2512.08764},
year = {2025}
}
备注
8 pages, 5 tables