热点事件持续更新
研究提出推理外化框架提升LLM股票预测叙事忠实度
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，相关研究提出了一种面向横截面股票回报预测的大语言模型叙事框架。该框架结合了时序 SHAP 证据与历史情境，通过将数值与关系推理进行外化处理，成功将 Qwen3-32B-Instruct 模型的证据忠实度从 0.696 提升至 0.996，显著增强了预测叙事中的时序与关系准确性。此外，该框架通过引入历史相似阶段的对比情境，在人工评估中获得了更高的实用性评分。
AI 根据报道生成 · 4 小时前更新
最新进展10月1日 12:00
研究提出结合时序SHAP与历史情境的推理外化框架，大幅提升大模型股票预测叙事忠实度。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能面向股票回报预测忠实叙事的大语言模型推理外化研究
研究提出一种结合时序 SHAP 证据与历史情境的大语言模型叙事框架，用于横截面股票回报预测。通过外化数值与关系推理，Qwen3-32B-Instruct 的证据忠实度从 0.696 提升至 0.996，显著增强了时序和关系准确性。此外，引入历史相似阶段的对比情境在人工评估中获得了更高的实用性评分。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。