德国中央银行基于 LLM 的证券招股说明书资格标准审查

验证证券作为抵押品的资格是德国中央银行的主要职责。然而，在冗长、半结构化且通常是双语的招股说明书中根据法律和财务标准手动验证这些资产是一项资源密集型任务。虽然以前的工作利用传统的命名实体识别 (NER) 进行信息提取，但这些方法可能会遇到 OCR 噪声、语言方差和严格的基于跨度的约束，以及需要为每个相关注释类型手动注释训练数据。在本文中，我们提出了第一个将 大语言模型 (LLM) 应用于资格审查过程的案例研究，将范式转向生成信息提取管道。我们的方法将任务分解为提取、标准化和解释，从而可以更灵活地处理嘈杂的文本和交错的德语-英语内容。我们进一步介绍了一种使用 LLM 作为法官的基于价值的评估方法，它提供了比基于位置的指标更具语义的评估。我们的结果表明，基于 LLM 的系统在文档级资格方面实现了高精度（高达 91%），表现出保守的操作配置文件，可最大限度地减少错误接受。