Numerical Reasoning for Financial Reports

要約

財務報告書は企業の経営に関する重要な洞察を提供しますが、その長さは通常 30 ～ 40 ページに及ぶため、ダイナミックな市場での迅速な意思決定には課題が生じます。
これに対処するために、微調整されたラージ言語モデル (LLM) を活用して、ユーザーからのこれらのレポートベースの質問から主要な指標と運用指標を抽出しました。
私たちは、重要なデータを特定し、FinQA データセットを活用して、カスタマイズされた質問応答用に Llama-2 7B モデルと T5 モデルの両方を微調整する方法を考案しました。
私たちは、最終的な数値解答に関してベースラインと同等の結果を達成し、数的推論と計算において優れた精度を達成しました。

要約(オリジナル)

Financial reports offer critical insights into a company’s operations, yet their extensive length typically spanning 30 40 pages poses challenges for swift decision making in dynamic markets. To address this, we leveraged finetuned Large Language Models (LLMs) to distill key indicators and operational metrics from these reports basis questions from the user. We devised a method to locate critical data, and leverage the FinQA dataset to fine-tune both Llama-2 7B and T5 models for customized question answering. We achieved results comparable to baseline on the final numerical answer, a competitive accuracy in numerical reasoning and calculation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google