論文の概要: Reading Is Not Using: Retrieval, Judgment, and the Design of AI Financial Research Workflows

• arxiv url: http://arxiv.org/abs/2608.24842v1
• Date: Tue, 25 Aug 2026 17:31:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.113429
• Title: Reading Is Not Using: Retrieval, Judgment, and the Design of AI Financial Research Workflows
• Title（参考訳）: 読書は使われていない:検索、判断、AIファイナンシャルリサーチワークフローの設計
• Abstract要約: 大規模言語モデル(LLM)は、財務開示を処理するためのAIアナリストとして、ますます多くデプロイされている。 長文財務分析における検索積分ギャップを同定する。 リスク開示が投資判断に与える影響は、実験的なノイズフロアに該当することがわかった。
• 参考スコア（独自算出の注目度）: 7.410179371973137
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly deployed as AI analysts to process financial disclosures and support AI-assisted investment decisions. Yet such systems are usually evaluated by what they can retrieve, not whether retrieved information affects their judgments. We identify a retrieval-integration gap in long-context financial analysis. Holding focal-firm information fixed and varying only unrelated context from 2,000 to 128,000 tokens, we find that a risk disclosure's influence on investment judgments falls to the experimental noise floor even as direct retrieval remains accurate. The pattern replicates across model families and judgment tasks and in experiments removing real disclosures from actual 10-K filings. More capable models postpone but do not eliminate the gap. Causal memory interventions show that compressed summaries and source-text lookup jointly transmit disclosures into judgments. Workflow architecture determines whether this transmission succeeds: chunk-and-summarize pipelines evict relevant information, whereas a targeted, structured restatement adjacent to the decision restores its influence. AI analyst performance is therefore jointly determined by model capability and workflow architecture. Retrieval-based evaluations can certify systems whose investment judgments ignore information they demonstrably retrieved.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、財務開示の処理とAI支援投資決定を支援するために、AIアナリストとしてますます多くデプロイされている。 しかし、このようなシステムは通常、取得した情報が判断に影響を及ぼすかどうかに関わらず、検索できるものによって評価される。 長文財務分析における検索積分ギャップを同定する。 リスク開示が投資判断に与える影響は, 直接検索が正確でありながら, 実験ノイズフロアに該当することが判明した。 このパターンはモデルファミリや判断タスクを複製し、実際の10-Kの出願から実際の開示を除去する実験を行う。 より有能なモデルは延期されるが、ギャップを排除しない。 因果記憶介入は、圧縮要約とソース・テキスト・ルックアップが共同で情報開示を判断に伝達することを示している。 チャンク・アンド・サマライズ・パイプラインは関連する情報を排除し、一方、決定に隣接するターゲットの構造化された再配置は、その影響を回復する。 したがって、AIアナリストのパフォーマンスはモデル能力とワークフローアーキテクチャによって共同で決定される。 検索に基づく評価は、投資判断が実証的に回収した情報を無視するシステムを証明することができる。

関連論文リスト

• SENTRY: Deterministic, Intelligent Risk Assessment for IT Change Management [3.6992654014782516]
  本稿では,アンケートに基づくスコアリングを決定論的機械学習パイプラインに置き換えるリスク評価プラットフォームであるSENTRYを提案する。 このシステムは、構造化された運用メタデータ、アプリケーション依存グラフ、過去のインシデント記録と、履歴変更要求に対するハイブリッドなセマンティクスと語彙検索を組み合わせる。 ROC AUCは0.87と85%の精度で達成され、既存のプロセスの約3.25倍のリスク変化を検出する。
  論文  参考訳（メタデータ） (2026-08-21T15:18:21Z)
• Can Agentic Trading Systems Pay for Their Own Intelligence? [42.600136171993874]
  エージェント取引システムを評価するためのトレーサグラウンド診断ツールキットであるTradeLensを紹介する。 バックボーンモデル、資本規模、取引頻度、システムアーキテクチャを幅広く分析する。 以上の結果から,インテリジェンスと営利の両面での両立が示唆された。
  論文  参考訳（メタデータ） (2026-07-11T12:31:54Z)
• When Summaries Distort Decisions: Information Fidelity in LLM-Compressed Financial Analysis [88.39399763902419]
  資金圧縮は、原源が支持する投資判断を変えることができることを示す。 エージェントシステムでは、そのような損失は中間段階にまたがって発生し、決定過程を通じて増幅される。 本稿では,複数の候補圧縮を生成するエージェントコンテキスト圧縮を提案する。
  論文  参考訳（メタデータ） (2026-06-28T07:44:54Z)
• Auditing Language Model Unlearning via Information Decomposition [68.48660428111593]
  部分的情報分解(PID)を用いたアンラーニング監査のための解釈可能な情報理論フレームワークを提案する。 非学習前後のモデル表現を比較することにより、相互情報と忘れられたデータとを別個の構成要素に分解し、未学習および残留知識の概念を定式化する。 我々の研究は、言語モデルのより安全なデプロイのための理論的洞察と実行可能なツールを提供する、アンラーニングのための原則付き表現レベル監査を導入している。
  論文  参考訳（メタデータ） (2026-01-21T15:51:19Z)
• Hallucination Detection and Mitigation in Large Language Models [0.0]
  LLM(Large Language Models)とLRM(Large Reasoning Models)は、金融や法律のような高額な領域に変革をもたらす。 幻覚を起こそうとする傾向は、事実的に不正確な、または、サポートされていないコンテンツを発生させ、重大な信頼性のリスクを生じさせる。 本稿では,根本原因認識による継続的改善サイクル上に構築された幻覚管理のための包括的枠組みを紹介する。
  論文  参考訳（メタデータ） (2026-01-14T23:19:37Z)
• Modeling Fairness in Recruitment AI via Information Flow [1.290382979353427]
  人的意思決定と自動候補マッチングを統合した実世界の採用プロセスに,情報フローに基づくモデリングフレームワークを適用した。 バイアスがどこに現れるか、どのようにシステムを通して伝播するか、候補者にどのような影響を及ぼすか、などを特定します。
  論文  参考訳（メタデータ） (2025-11-16T21:01:55Z)
• FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
  FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。 このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。 我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-07T22:15:22Z)
• Leveraging Large Language Models for Tacit Knowledge Discovery in Organizational Contexts [0.4499833362998487]
  本稿では,従業員とのインタラクションを通じて,データセット記述を反復的に再構築するエージェントベースのフレームワークを提案する。 本研究の結果から, 自己批判的フィードバックスコアは外部文献評論家のスコアと強く相関し, 94.9%の完全知識リコールが達成された。 これらの知見は、エージェントが組織的な複雑さをナビゲートし、そうでなければアクセスできないような断片化された知識をキャプチャする能力を強調している。
  論文  参考訳（メタデータ） (2025-07-04T21:09:32Z)
• Divide-Then-Align: Honest Alignment based on the Knowledge Boundary of RAG [51.120170062795566]
  本稿では,問合せが知識境界外にある場合の"I don't know"で応答する機能を備えたRAGシステムを実現するためのDTAを提案する。 DTAは適切な棄権と精度のバランスをとり、検索強化システムの信頼性と信頼性を高める。
  論文  参考訳（メタデータ） (2025-05-27T08:21:21Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。