FINANCE / LLM

Golden Touchstone

EMNLP 2025 Findings

A Comprehensive Bilingual Benchmark for Evaluating Financial Large Language Models

中英文金融 LLM 综合 Benchmark，覆盖 8 类金融 NLP 任务，用于评估金融知识、理解、推理与生成能力。

2语言

8金融 NLP 任务

理解 / 生成能力评测

01 / RESEARCH OVERVIEW

评测问题

同时用中文和英文衡量金融大语言模型的理解与生成能力，扩展单一语言、单一任务的评测视角。

02 / RESEARCH OVERVIEW

覆盖 8 类核心金融 NLP 任务，结合公开数据与金融领域需求，比较通用模型与金融领域模型。

03 / RESEARCH OVERVIEW

论文比较 GPT-4o、Llama3、FinGPT、FinMA 等模型，并发布经持续预训练和指令微调的 Touchstone-GPT，展示双语领域模型的能力与局限。

研究介绍与结果据论文原文 ↗整理；实验结论对应原文中的模型、数据与协议。