Large Language Models in Finance: A Survey

本文是LLM系列文章，针对《Large Language Models in Finance: A Survey》的翻译。

摘要

大型语言模型（LLM）的最新进展为人工智能在金融领域的应用开辟了新的可能性。在本文中，我们提供了一项实用的调查，重点关注利用LLM执行金融任务的两个关键方面：现有的解决方案和采用指南。
首先，我们回顾了当前在金融中使用LLM的方法，包括通过零样本或小样本利用预训练的模型，对特定领域的数据进行微调，以及从头开始训练自定义LLM。我们总结了关键模型，并评估了它们在金融自然语言处理任务中的性能改进。
其次，我们提出了一个决策框架，以指导金融专业人员根据他们围绕数据、计算和性能需求的用例约束选择适当的LLM解决方案。该框架提供了一条从轻量级实验到大规模投资定制LLM的途径。
最后，我们讨论了在金融应用中利用LLM的局限性和挑战。总的来说，这项调查旨在综合最先进的技术，并为负责任地应用LLM来推进金融人工智能提供路线图。

1 引言

2 语言模型的基础

3 人工智能在金融领域的应用综述

4 LLM金融解决方案

5 LLM在金融应用中的决策过程

6 结论

总之，本文对LLM在金融人工智能中的新兴应用进行了及时而实用的调查。我们围绕两个关键支柱进行了调查：解决方案和采用指南。
在解决方案中，我们回顾了利用LLM进行融资的各种方法，包括利用预先训练的模型、对领域数据进行微调和训练自定义LLM。实验结果表明，在情感分析、问答和