arXiv cs.CL· Siyuan Li, Ke Wan, Boyong Hou, Yujie Deng, Zixuan Yuan·· 10 小时前AI 评分29
FinCutBench：衡量 LLM 金融知识时间边界的持续更新基准
FinCutBench: A Continually Updated Benchmark for Measuring the Temporal Boundaries of LLM Financial Knowledge
AI 导读
FinCutBench 是一个每月持续更新的金融知识基准，用于测量固定模型的金融知识在日历时间上的延伸范围，当前包含 2023 年 1 月至 2026 年 9 月的 9000 道中英文四选一选择题，覆盖中美市场与四类金融信息。
正文 · AI 翻译
摘要：在金融回测和其他时点任务中，外部输入可以按日期加以限制，但模型参数可能保留后来披露的金融事实，从而引入参数化前视偏差。我们提出 FinCutBench，这是一个每月持续更新的金融知识基准，用于衡量固定模型的金融知识在日历时间上延伸多远。当前数据集包含 2023 年 1 月至 2026 年 9 月的 9,000 道中英文四选一选择题，覆盖中国和美国市场以及四类金融信息。我们使用所测事实公开的大致月份构建月度知识画像。在画像通过下降检验和节点检查后，我们将 FinCut 边界定义为拟合画像达到其较低水平的第一个月，并报告在重采样下估计日期的稳定性。边界日期和本地化精度因模型而异。使用独立测量的过渡起点和边界作为下游样本分组的固定参考，我们发现 Sol 和 Luna 在美国资产排名表现和收益回忆方面出现显著的相对下降。下游效应因市场和任务而异。因此，FinCut 边界为时点金融评估中参数化知识的时间范围提供了经验参考，支持评估窗口选择和结果解释。
| 评论： | 40 页；v2：改进写作 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.11588 [cs.AI] |
| （或 arXiv:2611.11588v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.11588 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Siyuan Li [查看电子邮件]
[v1]
2026 年 11 月 8 日星期日 20:07:52 UTC（416 KB）
[v2]
2026 年 11 月 10 日星期二 08:18:50 UTC（415 KB）
来源：arXiv cs.CL · arxiv.org