Financial Knowledge Large Language Model

人工智能在金融行业取得了重大进展，彻底改变了数据处理和解释的方式。在这些技术中，大型语言模型（LLMs）已经展示出了显著的潜力，通过自动化复杂任务、增强客户服务和提供详细的财务分析，来改变金融服务。首先，我们介绍了IDEA-FinBench，这是一个专门为评估LLMs中的金融知识而设计的评估基准。该基准使用了两个全球公认和权威的金融专业考试的问题，旨在全面评估LLMs直接回答与金融领域相关的考试问题的能力。其次，我们提出了IDEA-FinKER，这是一个金融知识增强框架，旨在促进一般LLMs快速适应金融领域，引入了一种基于检索的少样本学习方法，用于实时的上下文级别知识注入，并提供了一组高质量的金融知识指导，以调整任何一般的LLM。最后，我们提出了IDEA-FinQA，这是一个由LLMs驱动的金融问答系统。该系统围绕实时知识注入和外部知识的事实增强方案构建。IDEA-FinQA由三个主要模块组成：数据收集器、数据查询模块和负责特定功能的基于LLMs的代理。

本论文旨在探讨如何利用大语言模型（LLMs）来自动化复杂任务、增强客户服务和提供详细的金融分析，解决金融领域的问题。同时，论文提出了一个评估基准IDEA-FinBench，一个金融知识增强框架IDEA-FinKER，以及一个基于LLMs的金融问答系统IDEA-FinQA。

论文提出了一个针对金融领域的大语言模型（LLMs）的评估基准IDEA-FinBench，一个金融知识增强框架IDEA-FinKER，以及一个基于LLMs的金融问答系统IDEA-FinQA。其中，IDEA-FinBench使用两个全球认可的金融专业考试的问题来评估LLMs的金融知识；IDEA-FinKER提供了一个实时的上下文级别知识注入的检索式少样本学习方法，以及一组高质量的金融知识指导来微调任何通用的LLMs；IDEA-FinQA是一个基于LLMs的金融问答系统，由数据收集器、数据查询模块和LLMs代理组成。

论文的亮点包括：提出了一个针对金融领域的LLMs评估基准IDEA-FinBench，以及一个金融知识增强框架IDEA-FinKER；提出了一个基于LLMs的金融问答系统IDEA-FinQA；使用了两个全球认可的金融专业考试的问题来评估LLMs的金融知识；提供了一个实时的上下文级别知识注入的检索式少样本学习方法，以及一组高质量的金融知识指导来微调任何通用的LLMs。

最近在这个领域中，还有一些相关的研究，例如：1）《BERT for Joint Intent Classification and Slot Filling》；2）《Pretraining-Based Natural Language Generation for Text Summarization》；3）《Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics》等。