召唤神谕以击败它：利用大语言模型缓解金融回测中的前视偏差

针对大语言模型因预训练包含历史数据而导致金融回测不可靠的问题，本文定义了“参数化前视偏差”。作者提出 FinCAD 方法，这是一种推理时的自适应机制，旨在抑制模型对历史结果的记忆而无需重新训练。该方法结合对抗性偏差发现流水线与实体及日期自适应规则，动态调整解码强度以惩罚记忆内的样本日期。实验表明，FinCAD 显著降低了回测偏差，同时保持了模型的泛化推理能力及样本外预测性能。