热点事件持续更新
LLM股票收益预测叙事的推理外化研究
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.AI 收录一项研究，提出面向横截面股票收益预测的大语言模型叙述框架，将 temporal SHAP 证据与历史市场状态类比相结合，并逐级外化原始 SHAP 序列、确定性时间描述符以及特征关系。在 Qwen3 上的实验显示，外化数值与关系推理提升了证据忠实度以及时间、关系准确率，其中 Qwen3-32B-Instruct 的证据忠实度由 0.696 升至 0.996。研究同时发现，历史类比并未提升结构化的自动忠实度，但其在人工评分中的有用性更高。目前该工作以预印本形式发布，后续进展有待观察。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
Qwen3-32B-Instruct 证据忠实度由 0.696 升至 0.996，历史类比未提升自动忠实度。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.AIQwen3 股票收益预测叙述：大语言模型推理外化提升证据忠实度
研究提出面向横截面股票收益预测的大语言模型叙述框架，结合 temporal SHAP 证据与历史市场状态类比，逐级外化原始 SHAP 序列、确定性时间描述符与特征关系。在 Qwen3 上，外化数值与关系推理提升了证据忠实度及时间、关系准确率，Qwen3-32B-Instruct 的证据忠实度从 0.696 升至 0.996。历史类比未提升结构化自动忠实度，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。