A Financial Brain Scan of the LLM
创建于 更新于
摘要
本文提出一种在大型语言模型（LLM）中插入稀疏自编码器（SAE）以实现可解释性与控制的创新方法。该方法能将LLM内部状态映射为与经济学相关的语义特征（如情绪、技术分析、风险偏好等），并通过调节这些特征强度实现模型行为的定向调控，有效纠正了如积极情绪偏向等模型偏差。该技术在大型财经新闻数据上构建的预测组合展示出优异的超额收益表现，且可扩展至社会科学领域多方面应用，开辟了LLM应用于金融及社会科学研究的透明化和可控方向[page::0][page::3][page::5][page::30][page::35]。
