本文研究了将LLM（大型语言模型）应用于欧洲上市房地产分析框架中的效果。研究者将一个16维的分析框架映射到八个特定领域的LLM代理上，并比较了单一LLM模型和多个LLM代理的性能。在19家公司和七种监管框架下，研究发现将任务分解为多个LLM代理可以提高数值任务的性能，但不一定能提高判断任务的性能。进一步使用强化学习和结构化奖励来优化LLM模型，发现可以提高判断任务的性能，并且这种改进可以泛化到未见过的公司和监管框架。 结果表明，LLM代理的分解可以提高数值任务的执行效率，而目标参数的适应可以提高整体金融判断的质量。 博主点评： 本文展示了LLM在金融分析中的应用潜力，特别是在数值任务和判断任务中。通过将任务分解为多个LLM代理和使用强化学习，研究者能够提高模型的性能和泛化能力，这为金融分析提供了新的思路和方法。