摘要
针对时间序列推理模型在金融领域表现不佳的问题，本文提出了包含十个任务的 FinTSR-Bench 基准。作者开发了 FinSTaR 方法，采用两种定制化的思维链策略：针对确定性评估任务使用“计算型思维链”直接从数据推导答案；针对随机性预测任务使用“场景感知思维链”生成多样场景以模拟分析师的不确定性推理。实验表明，该方法在基准上平均准确率达 78.9%，显著优于现有基线，且不同能力类别通过联合训练可相互促进。
AI 推荐理由
论文核心提出针对金融时间序列的专用思维链策略，显著提升推理能力。
研究机构
LG AI Research, Seoul, South Korea
论文信息