Evaluating Large Language Models (LLMs) in Financial NLP: A Comparative Study on Financial Report Analysis
创建于 更新于
摘要
本报告针对五种顶尖大型语言模型（GPT-4、Claude 4 Opus、Gemini Pro、Perplexity、DeepSeek）在“Magnificent Seven”科技公司10-K报告商务章节的表现，采用人类评分、自动指标和行为诊断多维度评估，发现GPT表现最佳，提供语义连贯、事实准确和上下文相关的解读，而Gemini表现优于词汇级别指标但语义一致性较弱，提示多维评估的重要性。[page::0][page::1][page::7][page::9][page::12][page::17]
