Appliquer des modèles de grands langages pré-entraînés à la recherche financière basée sur l'IA

Donghyun Kim

No kpvrx, OSF Preprints from Center for Open Science

Abstract: Dans un passé récent, l'utilisation de modèles de langage pré-entraînés (PLM) a acquis une immense popularité pour les tâches de traitement du langage naturel (TAL). Cet article évalue les capacités de ces modèles dans le secteur financier, ainsi que les obstacles auxquels ils sont confrontés dans ce domaine. L'article évalue également la transparence de ces modèles et les enjeux éthiques liés à leur utilisation en finance. Notre étude montre que les PLM ont le potentiel de transformer la façon dont les données financières sont analysées et traitées. Cependant, il est crucial de relever les défis et les préoccupations éthiques associés à leur mise en œuvre pour s'assurer qu'ils sont utilisés de manière éthique et responsable. Les études futures se concentreront sur l'amélioration des modèles pour gérer l'instabilité des données financières, réduire les biais dans les données de formation et offrir des prévisions transparentes. En conclusion, nous pensons que l'avancement de l'IA dans la finance sera déterminé par la croissance et la mise en œuvre de modèles de langage pré-entraînés.

Date: 2023-02-07
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://osf.io/download/63e27cb43db09501da1d0e6b/

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:osf:osfxxx:kpvrx

DOI: 10.31219/osf.io/kpvrx

Access Statistics for this paper

More papers in OSF Preprints from Center for Open Science
Bibliographic data for series maintained by OSF ().