金融领域语言建模：指标、任务与数据机遇综述
计算与语言
2025-10-15 v3
摘要
语言建模的最新进展导致越来越多的论文发表在顶尖自然语言处理 (NLP) 场馆中。为了系统性地审视这一趋势，我们综述了 2017 年至 2024 年间在 38 个会议与研�会上发表的 374 篇 NLP 研究论文，重点分析直接针对金融相关任务的 221 篇论文。我们在 11 个定性与定量维度上评估这些论文，并指出本研究识别出 NLP 研究者的以下机遇：(i) 扩充预测任务的范围; (ii) 以金融指标丰富评估方法; (iii) 利用多语言数据与危机时期数据集; (iv) 在高效或可解释替代方案之间平衡大型预训练语言模型 (PLM)。我们识别出以数据集与工具建议为支撑的可操作方向，对学术界与产业界都有所含义。
引用
@article{arxiv.2504.07274,
title = {Language Modeling for the Future of Finance: A Survey into Metrics, Tasks, and Data Opportunities},
author = {Nikita Tatarinov and Siddhant Sukhani and Agam Shah and Sudheer Chava},
journal= {arXiv preprint arXiv:2504.07274},
year = {2025}
}