FMDLlama：基于大语言模型的金融错误信息检测
计算与语言
2025-05-19 v2
摘要
社交媒体的出现使得错误信息的传播更加容易。在金融领域，信息的准确性对金融市场的各个方面至关重要，这使得金融错误信息检测（FMD）成为一个亟待解决的问题。大语言模型（LLM）在各个领域展现出了卓越的性能。然而，当前的研究大多依赖传统方法，尚未探索 LLM 在 FMD 领域的应用。其主要原因在于缺乏 FMD 指令微调数据集和评估基准。本文提出了 FMDLlama，这是首个基于 Llama3.1 并使用指令数据进行微调的 FMD 任务开源指令跟随 LLM；同时构建了首个多任务 FMD 指令数据集（FMDID）以支持 LLM 指令微调，以及包含分类和解释生成任务的综合性 FMD 评估基准（FMD-B），用于测试 LLM 的 FMD 能力。我们在 FMD-B 上将我们的模型与多种 LLM 进行了比较，结果表明我们的模型优于其他开源 LLM 以及 OpenAI 的产品。本项目可在 https://github.com/lzw108/FMD 获取。
引用
@article{arxiv.2409.16452,
title = {FMDLlama: Financial Misinformation Detection based on Large Language Models},
author = {Zhiwei Liu and Xin Zhang and Kailai Yang and Qianqian Xie and Jimin Huang and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2409.16452},
year = {2025}
}
备注
Accepted by The Web Conference (WWW) 2025 Short Paper Track