论文题目：A Survey of Large Language Models in Finance (FinLLMs)
论文链接：https://arxiv.org/pdf/2402.02315.pdf
Github：https://github.com/adlnlp/FinLLMs
介绍了大型语言模型（LLMs）在自然语言 处理（NLP）任务中的广泛应用，特别是在金融服务领域的应用。尽管对通用领域LLMs的研究已经非常深入，但金融领域的LLMs研究仍然有限。这篇综述旨在提供一个全面的FinLLMs概述，并讨论未来的研究方向。
从通用到金融领域的演变趋势 ：论文回顾了从通用领域的预训练语言模型（PLMs）到金融领域的LLMs的发展历程，包括GPT系列、开源LLMs以及金融领域的LLMs。
- GPT-Series：GPT-1、GPT-2、GPT-3、GPT-4
- Open-source LLMs：BERT、LLaMA、BLOOM
- Financial-domain LMs： FinBERT-19
、 FinBERT-20、 FinBERT-21 、 FLANG 、 FinMA、InvestLM、BloombergGPT
通用领域到金融领域的预训练语言模型的发布演变时间线
技术 ：从FinPLMs到FinLLMs：论文比较了四种金融PLMs和四种金融LLMs所使用的五种技术，包括训练方法、训练数据和微调方法。
使用的技术比较：FinPLMs、FinLLMs
评估 ：基准任务和数据集：总结了六个基准任务和数据集的性能评估，包括情感分析（SA）、文本分类（TC）、命名实体识别（NER）、问答（QA）、股票走势预测（SMP）和文本摘要（Summ）。
高级金融NLP任务和数据集 ：提出了八个高级金融NLP任务，并汇编了相关数据集，以促进更复杂的FinLLMs的发展。
机遇与挑战 ：讨论了FinLLMs面临的机遇和挑战，包括数据集的构建、技术的应用、评估方法、实施以及实际应用中的非技术问题。