将来予測のためのLLMフォアキャスティング

この論文は、ハイステークスの意思決定に不可欠な要素である、言語モデルを用いた将来予測という重要な課題に取り組んでいます。著者は、ニュースイベントから大規模な予測データセットを合成することにより、データ不足の問題に対処しています。彼らは、Qwen3モデルをトレーニングし、より大きな独自のモデルと比較して、より小さなモデルで競争力のあるパフォーマンスを達成することにより、OpenForesightアプローチの有効性を示しています。モデル、コード、およびデータのオープンソース化は、再現性とアクセシビリティを促進し、この分野への重要な貢献となります。

• •言語モデルを使用した将来予測の課題に対処。
• •ニュースイベントから大規模な予測データセットを合成。
• •より大きな独自のモデルと比較して、より小さなモデルで競争力のあるパフォーマンスを達成。
• •再現性とアクセシビリティのために、モデル、コード、およびデータをオープンソース化。