哥伦比亚大学 发布 FINTAGGING 数据集, 应用在 自然语言处理、财务报告分析 领域

哥伦比亚大学 本次发布的数据集 FINTAGGING, FINTAGGING数据集是一个LLM-ready基准，旨在评估大型语言模型在XBRL财务报告环境中的结构化信息提取和语义对齐能力。该数据集由哥伦比亚大学美国分校的研究团队创建，包含来自30家上市公司在2024年提交的30份年度10-K报告，总计81325个事实。数据集内容涵盖了财务报告中的非结构化文本和结构化表格，要求模型能够同时提取事实并与US-GAAP分类法对齐。数据集创建过程包括数据收集、数据标注和子任务数据集构建，旨在解决现有LLM在细粒度语义对齐方面的局限性，并为财务披露的自动化提供改进的语义推理和模式感知建模。

查看FINTAGGING

Dataset card 内容： 

Files and versions 内容： 

关于 哥伦比亚大学 , 哥伦比亚大学是一所位于美国纽约市的私立研究型大学，成立于1754年，是美国常春藤盟校之一，提供广泛的研究生和本科教育课程。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。