热点事件持续更新
LLM股票收益预测叙事推理外化研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.AI 发布一项研究，提出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。研究还发现，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。目前该研究处于论文发布阶段，尚无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
研究称外化推理使 Qwen3-32B-Instruct 证据忠实度从 0.696 升至 0.996。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv：cs.AI（全量分类）推理外化提升 LLM 股票收益预测叙事的证据忠实度
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。