Automated Summarization of Financial News Using Large Language Models and Retrieval-Augmented Generation: An Early Empirical Study (Fall 2023): 用 LLM 處理海量財經資訊

股票分析師的一天通常從幾百條公司新聞開始。這些內容分散在多個平臺，讀一遍不現實，跳過去又怕漏掉影響判斷的關鍵資訊。喬治華盛頓大學 2023 年秋季的一篇 arXiv 論文，試圖回答一個很實際的問題：大語言模型能不能替人把這活幹了？

一個由公開資料搭起來的實驗

研究的路子並不複雜，但每一步都踩在真實場景上。他們用 News API 抓取上市公司新聞，從 Wikipedia 取公司背景，再拉取 Yahoo Finance 的股價資料，覆蓋了 AAPL、MSFT、GOOGL、AMZN 等十家大型公司。

一個細節值得留意：LLM 本身不擅長直接處理數字表格。研究者寫了一個簡單的模板，把股價漲跌、成交區間等資料轉換成自然語言描述，再餵給模型。這個思路很務實，等於是給模型鋪了一條理解數值資訊的捷徑。

兩類摘要流程，三個開源模型

實驗對比了兩種摘要組織方式：Summarize Chains（按順序逐條摘要並彙總）和 檢索增強生成（RAG），後者用 FAISS 做向量檢索。模型方面則選了三款開源模型——Falcon-7B-Instruct、DistilBART-CNN-12-6 和 BART-Large-XSum，股票摘要另用 GPT-3（text-davinci-003）生成。

結果很清楚：Falcon-7B 配合 Summarize Chains 效果最好，事件覆蓋準確，文字也連貫。相比之下，RAG 在理論上很有吸引力，實際跑起來卻暴露了明顯缺陷——當檢索數量 k 增大時，Falcon 出現嚴重重複，BART-Large-XSum 甚至開始編造事實。這種幻覺現象在小模型上尤其明顯。

RAG 原本是想給模型提供更多上下文，結果反而是「喂太多」把模型帶偏了。

一個被反覆驗證的教訓

論文還做了一個基礎對照：直接取新聞前幾句的 Lead-3 基線。結果顯示，兩種 LLM 方法在 ROUGE-1 指標上都明顯壓過基線，說明即便存在幻覺問題，大模型自動摘要仍然比「擷取開頭」更接近人工總結。

這個研究的價值不在於展示了多驚豔的準確性，而在於它記錄了失敗模式。論文寫於 2023 年，那時 RAG 在金融場景還沒有普及，但之後大量金融摘要工具都走了類似路線。「檢索越多，幻覺越重」這個現象，對今天仍在用中小模型做 RAG 的開發者來說依然有參考意義。

值得關注的幾個要點

• 模型越大不一定是關鍵，流程設計（如 Summarize Chains）對結果影響更直接。
• RAG 的檢索數量需要謹慎調參，盲目增加上下文反而可能降低輸出質量。
• 把結構化資料預處理成自然語言模板，是讓 LLM 理解金融資料的有效手段。

論文還附帶了一個 Streamlit 儀表盤，用於互動式股票資料視覺化。雖然這更像是研究配套，但說明實驗整體把「可用性」也考慮進去了。作為 2023 年的早期實證，它倒是給後來者留下了一組相當誠實的試驗記錄。