Разработка архитектуры системы финансовой аналитики на основе интеграции методов машинного обучения и больших языковых моделей

Abstract

В работе представлена гибридная архитектура интеллектуальной системы финансовой аналитики, объединяющая специализированные модели машинного обучения и большие языковые модели через механизм вызова функций. Предложенный подход решает ключевую проблему применения LLM в финансовой сфере - высокий уровень галлюцинаций при работе с количественными данными. Система включает три компонента: ансамбль задачно-специфичных ML-моделей для прогнозирования финансовых показателей, LLM-агента с динамическим планированием инструментов, RAG-модуль для обогащения ответов экспертными знаниями. Результаты демонстрируют синергетический эффект интеграции количественных моделей и языковых интерфейсов для решения практических задач финансового мониторинга