arXiv：cs.AI（全量分类）· Sujung Kim, Seung Hwan Cho, Sangjin Park, Young-Min Kim·· 3 小时前AI 评分33
推理外化提升 LLM 股票收益预测叙事的证据忠实度
Reasoning Externalization for Faithful Large Language Model Narratives of Stock Return Predictions
AI 导读
研究提出一种面向横截面股票收益预测的 LLM 叙事框架，将时序 SHAP 证据与历史相似时期类比结合，并按原始 SHAP 序列、确定性时序描述、特征关系逐步外化推理。在 Qwen3 上，外化数值与关系推理后 Qwen3-32B-Instruct 的证据忠实度从 0.696 升至 0.996，时序与关系准确率同步提升。历史类比虽未改善结构化自动忠实度，但人工评分的有用性更高。
来源：arXiv：cs.AI（全量分类） · arxiv.org