以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Financial backtests of large language models (LLMs) are meaningful only if the model did not already know the outcomes it is asked to predict. Practitioners guard against this by trusting a vendor's stated knowledge cutoff, by asking the model what it knows, or by instructing it to answer as of a past date. To verify w
阅读原文 · Lingfei Qian, Yan Wang, Xueqing Peng, Yupeng Cao, Yuechen Jiang, Zhuohan Xie, Anke Xu, Wenbo Cao, Jiarui Chen, Zehan Li, Jimin Huang, Alejandro Lopez-Lira, Yuehua Tang, Sophia Ananiadou, Jian-Yun Nie
向阳乔木 · opencode-go/deepseek-v4.1-flash
金融回测里有个老问题:你让模型预测 2023 年的股价,它答对了,这算模型有预测能力,还是它训练时早就见过答案? 这篇论文直接冲着这个漏洞去。它要验证的是,业界常用的三种“防泄漏”手段到底靠不靠谱:相信厂商声明的知识截止日期、直接问模型“你知道吗”、或者命令模型“假装回到某个日期作答”。 结论挺扎心: 这三种手段都不太可信。 这篇论文想解决什么 LLM 做金...