Learning to Aggregate Zero-Shot LLM Agents for Corporate Disclosure Classification
创建于 更新于
摘要
本文提出一个轻量级多智能体零样本框架：三个从不同金融视角（绩效、指引、风险）读取公告的零样本LLM生成标签、置信度与理由，再由一个训练的逻辑回归聚合器整合这些信号以预测次日股价方向，结果表明聚合器优于单一代理、简单投票和FinBERT，平衡准确率从最佳单代理的0.561提升到0.612，且在信号冲突情形收益最大 [page::0][page::3]
