Debiasing LLMs by Fine-tuning

创建于 2026-04-06T08:49:12.767315+08:00 更新于 2026-04-06T08:54:04.703083+08:00

摘要

本文提出在已对齐的Chat-LLM上追加监督微调（SFT）并采用LoRA参数化，从参数层面纠正模型在预测中对近期趋势的过度外推偏差。实证上在受控AR(1)实验与S&P500横截面月度收益预测中均实现了显著的去偏：AR(1)中过度反应系数从显著负值被抑制至统计上不显著，股票预测中对近期收益的正向加载被逆转为负值，且结论在严格的样本外测试中成立 [page::0][page::4][page::17]

速读内容

深度阅读