RAG-IT：用于自动化金融分析的检索增强指令微调——以半导体行业为例
统计金融
2025-12-10 v3 人工智能
摘要
金融分析高度依赖对财报的解读，以评估公司业绩并指导决策。传统方法生成此类分析需要大量金融专业知识，且往往耗时较长。随着大语言模型（LLM）的快速发展，针对金融任务的领域专用适配方法（如情感分析和实体识别）相继出现。本文提出 RAG-IT（检索增强指令微调），一种旨在通过针对金融领域微调的大语言模型自动化生成财报分析的新框架。我们的方法将检索增强与基于指令的微调相结合，以提升事实准确性、上下文相关性和领域适应性。我们构建了一个源自半导体行业文档的领域特定金融指令数据集，以指导大语言模型适应专业金融推理。以 NVIDIA、AMD 和 Broadcom 为代表性公司，本案例研究表明 RAG-IT 显著提升了一个通用开源大语言模型的性能，并在财报生成任务上达到了与 GPT-3.5 等商业系统相当的水平。本研究揭示了检索增强指令微调在简化和提升金融分析自动化方面的潜力，推动了智能金融报告领域的进一步发展。
引用
@article{arxiv.2412.08179,
title = {RAG-IT: Retrieval-Augmented Instruction Tuning for Automated Financial Analysis -- A Case Study for the Semiconductor Sector},
author = {Hai-Thien To and Tien-Cuong Bui and Van-Duc Le},
journal= {arXiv preprint arXiv:2412.08179},
year = {2025}
}
备注
We updated title, abstract and added more details in experiment section. We also updated the list of authors