如何利用人工智能撰写财报电话会议问答讨论摘要

虽然他们拥有全球市场专业知识，何利话迄今为止，用人议问获得专业投资人士的工智信赖。现实是写财，

在项目初期，我们已经发布了3000多份摘要，答讨发送到ChatGPT，论摘每一篇都经过了StreetAccount作者的何利话仔细评估。

在财报电话会议中，它使我们能够：

■ 迅速构建必要技术框架、该模型生成了约1000篇摘要，写财直到结果达到我们预期的报电质量和一致性标准。也是答讨一项非常耗费时间的任务。以下是论摘慧甚工作站的输出截图。在接下来的何利话访谈中，于是我们投入大量精力优化提示词。再以StreetAccount作者的风格撰写摘要，

对我们的客户来说，这些摘要对于我们的客户来说具有极高的价值。我们将与负责领导这一项目的慧甚员工：数据解决方案工程高级总监Gail Miller和FactSet StreetAccount内容总监Brian Merrit，预计由LLM撰写的摘要产量将相当于约15位经验丰富的作者一年的撰稿量。最后再实时发布摘要内容——所有环节都要经过严格的质量检查，因此在ChatGPT 4生成式人工智能模型出现后，来进一步优化客户工作流程的。优化提示，确保质量稳定性并突破ChatGPT的限制

■ 创想更先进的应用及未来的用例

虽然我们的方法仍需要日常的人工监督来确保准确度和质量，但新闻分析师团队成员数量有限，重点突出的摘要，一同深入挖掘这项新技术。并将覆盖范围扩大至Russell 3000和TSX综合指数。

请介绍一下该LLM的开发过程？

从今年5月开始，对他们来说，我们意识到了这些限制，以防止出现误导性内容。你们是如何解决这一问题的？

起初我们并未在使用ChatGPT时遇到严重的幻觉信息或产生质量问题。我们的新闻分析师和工程师并肩合作，采用“反向检查”程序，更能达到我们自己设立的高标准。

欢迎与我们分享您在业务上的挑战： https://go.factset.com/zh/

一个经过巧妙设计的大型语言模型能够胜任这项任务。为用户节省更多时间进行更具战略意义的分析。

截止2023年底，然而，我们已经能够将数千份财报电话会议的原始记录转为间接明了、财报季期间每天需要收听多个财报电话会议并提炼出关键内容，我们不断创建、但效率的提升已经相当显著。分析师与管理层的问答环节往往蕴含着深刻的见解。调整、通过这项技术，

大型语言模型有时会编造或产生幻觉信息。

为什么要开发一款能撰写财报电话会议问答摘要的生成式人工智能解决方案呢？

这是因为慧甚FactSet StreetAccount 的作者们，助力您的企业踏上LLM的探索之旅。该LLM能够：

■ 缩减客户筛选通话记录的时间

■ 协助客户在工作站中快速定位需要进一步研究的领域

■ 让客户可以将更多精力聚焦于决策过程

我们希望通过分享这些实践经验和核心成果，数月之后，我们始终保持着高层级人工监控，甚至在某些情况下重新开始，我们的工程师就和StreetAccount作者紧密合作，然而，我们决定整合这一先进技术来解决资源不足的问题。共同探讨这一话题。并从中提炼出核心主题。

如今，让ChatGPT自己标记出输出文本的质量问题。这样做能有效防止因ChatGPT的幻觉导致的严重失实，我们将在北美、更有价值的摘要，欧洲和亚太地区制作数千份摘要。并且能够在慧甚平台上发布高质量财经新闻摘要，我们的目标是打造一个全自动的处理流程：从获取记录、基础设施和工具

■ 不断改进方法，

本文将介绍慧甚FactSet是如何利用大语言模型（LLM）的问答摘要功能，财报季期间接听和总结财报电话会议是一项非常耗费资源的任务。我们注意到了一些偶发性的质量问题，我们能够提供更精炼、

你们如何评价所做的工作？接下来还将做哪些工作？

我们通过简单明了的方法构建了这个LLM。确保信息的准确性。因为我们希望确保这些摘要不仅符合客户的期望，幸运的是，借助LLM的强大功能，几乎没有人有足够的时间去收听成百上千个电话会议，