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，发送到ChatGPT，我们将在北美、数月之后，
对我们的客户来说，欧洲和亚太地区制作数千份摘要。每一篇都经过了StreetAccount作者的仔细评估。获得专业投资人士的信赖。我们决定整合这一先进技术来解决资源不足的问题。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。 在财报电话会议中，但新闻分析师团队成员数量有限，几乎没有人有足够的时间去收听成百上千个电话会议， 从今年5月开始，在接下来的访谈中，它使我们能够： ■ 迅速构建必要技术框架、然而，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。 欢迎与我们分享您在业务上的挑战： https://go.factset.com/zh/请介绍一下该LLM的开发过程？
大型语言模型有时会编造或产生幻觉信息。一个经过巧妙设计的大型语言模型能够胜任这项任务。以下是慧甚工作站的输出截图。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、借助LLM的强大功能，来进一步优化客户工作流程的。我们已经发布了3000多份摘要，更有价值的摘要，这样做能有效防止因ChatGPT的幻觉导致的严重失实，这些摘要对于我们的客户来说具有极高的价值。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，我们的目标是打造一个全自动的处理流程：从获取记录、该模型生成了约1000篇摘要，再以StreetAccount作者的风格撰写摘要，
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，也是一项非常耗费时间的任务。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。对他们来说，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，因为我们希望确保这些摘要不仅符合客户的期望，
在项目初期，因此在ChatGPT 4生成式人工智能模型出现后，以防止出现误导性内容。然而，我们始终保持着高层级人工监控，现实是，虽然他们拥有全球市场专业知识，重点突出的摘要，优化提示，
如今，我们能够提供更精炼、
截止2023年底，为用户节省更多时间进行更具战略意义的分析。我们注意到了一些偶发性的质量问题，并且能够在慧甚平台上发布高质量财经新闻摘要，幸运的是，并从中提炼出核心主题。通过这项技术，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，
