Designing Heterogeneous LLM Agents for Financial Sentiment Analysis
创建于 更新于
摘要
本报告提出了一种基于Minsky情绪理论的多异构LLM代理设计框架(HAD)，利用不同代理聚焦金融情感分析(FSA)中常见错误类型，通过多代理讨论提升FSA准确度。HAD框架在五个FSA数据集上进行测试，结果显示，框架相较于传统微调和简单提示，提升准确率达2.24%-9.46%，尤其在GPT-3.5模型上表现更为显著，有效缩减提示法与微调法间25%-35%的性能差距。语气、修辞及主体相关性代理贡献最大，而依赖性代理表现欠佳可进一步优化。本文为基于设计科学的LLM多代理协作与金融情感分析提供了理论与实践指导。[page::0][page::1][page::2][page::5][page::7][page::8][page::10]
