11:42
官方一手arXiv: DeepSeek@Sahab Zandi, Noah Kostesku, Christophe Mues, María Óskarsdóttir, Cristián Bravo
推荐理由：这篇论文对比了不同LLM在信用风险解释中的表现，发现证据表示比模型选择更重要，对金融AI应用很有参考价值。
DeepSeek R1 70B
共 1 条相关 AI 资讯
8月19日
11:42
研究评估了XGBoost和图神经网络(GNN)等信用风险模型，使用Freddie Mac单户贷款数据测试三种LLM配置：Gemma 3 4B、DeepSeek R1 70B和Gemini 2.5。研究发现，证据表示质量比语言模型对解释质量影响更大，解释叙述能准确识别影响因素但影响方向可靠性较低。研究还发现专业人士比非专业人士应用更严格的证据标准，对风险模型治理有重要启示。