金融大模型相关 AI 资讯 · AITOP · AI热报

7月31日

11:26

11:26

官方账号arXiv cs.LG@Anubhav Lakra, Yue Feng

CACHE-UK是一种针对量化金融大模型的稳定性感知记忆编辑框架。它在4-bit量化的OpenLLaMA-3B上，使用rank-1 LoRA扰动将编辑限制在低秩适配器子空间，并引入金融领域优先级模块和闭环稳定性控制器。在包含88,021篇英国金融文档的语料上，CACHE-UK将知识退化相对降低11-17%，测试泛化率达28%，比最强适配基线高6个百分点。绝对泛化率仍然较低。

论文 CACHE-UK OpenLLaMA-3B 4-bit量化

推荐理由：CACHE-UK给量化小模型做连续记忆编辑，在4-bit下比现有方法少掉11-17%的知识，泛化率还高6个点。

6月2日

12:00

12:00

官方账号arXiv cs.LG@Wenbin Wu

精选

该研究开发了一个三级审计协议，用于检测大型语言模型（LLMs）是否对特定金融资产存在系统性偏好。以比特币为测试对象，对8个前沿LLM的行为审计发现，比特币在“可靠货币”框架下排名中等，但在危机和自主代理框架下排名靠前。通过分析Gemma 3模型的内部表征，研究人员识别出一个主导比特币选择的稀疏自编码器特征，增强或抑制该特征会显著改变模型对比特币的偏好，即使提示中未出现“比特币”一词。该特征还能影响下游投资组合分配：增强特征使比特币配置比例提高5.2个百分点，抑制则降低4.6个百分点。研究将这种影响定义为“有界行为杠杆”，为未来“了解你的代理”（KYA）标准奠定了基础。

论文金融大模型资产偏好审计协议

推荐理由：金融AI开发者终于有了检测模型资产偏好的系统方法——这项研究揭示了LLM在投资建议中可能隐藏的偏见，做量化交易或智能投顾的团队值得关注，可以直接用其审计框架测试自己的模型。