10:50arXiv: DeepSeek@Zijie Zhao, Roy E. Welsch精选该研究提出一种面向金融事件驱动RAG的贝叶斯源记忆机制,通过市场反馈(已到期残差收益)动态更新检索来源的信任度,而不微调LLM本身。在FNSPID数据集89只纳斯达克股票上,冻结LLM+源记忆相比无记忆基线,宏F1从0.438提升至0.471,下游投资组合Sharpe比率从0.52跃升至0.84。实验表明,在金融RAG中,学会信任哪些信息来源比学会如何阅读更重要,且该方法简单模块化,可直接适配市场变化。论文金融RAG检索增强生成贝叶斯记忆市场反馈事件驱动推荐理由:金融量化团队终于有了一个不折腾大模型、只优化检索来源就能显著提升收益风险比的方案——Sharpe从0.52到0.84的跃升很实在,做事件驱动策略的可以直接参考这个贝叶斯记忆模块。原文