追踪金融决策中的位置偏差：来自 Qwen2.5 的机制性洞察
计算金融
2025-10-08 v2 风险管理
摘要
大语言模型（LLM）在金融领域日益广泛的应用，使高风险决策面临微妙且尚未被充分研究的位置偏差。现代模型架构的复杂性和不透明性加剧了这一风险。我们提出了首个统一框架和基准，它不仅能检测和量化二元金融决策中的位置偏差，还能精确定位其在开源 Qwen2.5-instruct 模型（1.5B-14B）内部的机制性起源。我们的实证分析涵盖了一个新颖的、具有金融真实性的数据集，揭示了位置偏差是普遍存在的、对规模敏感的，并且在精细的提示设计和投资场景下容易重新出现，其中近因效应和首因效应揭示了风险情境中新的脆弱性。通过透明的机制可解释性，我们绘制了偏差在模型内如何出现以及在哪里传播，以提供跨提示类型和规模的、可操作的、可推广的见解。通过将特定领域的审计与模型可解释性相结合，我们的工作为严格的偏差诊断和实际缓解提供了新的方法论标准，为在金融系统中负责任且可信地部署 LLM 确立了基本指导。
引用
@article{arxiv.2508.18427,
title = {Tracing Positional Bias in Financial Decision-Making: Mechanistic Insights from Qwen2.5},
author = {Fabrizio Dimino and Krati Saxena and Bhaskarjit Sarmah and Stefano Pasquali},
journal= {arXiv preprint arXiv:2508.18427},
year = {2025}
}