في عالم الاستشارات المالية، غالباً ما تُعتبر التصرفات التي يقوم بها المستخدمون مؤشراً على سلوكهم، لكن قد تكون هذه السلوكيات مضللة في ظل تقلبات السوق، وهو ما يثني عن تحقيق الأهداف الاستثمارية على المدى الطويل. لذلك، تم تصميم معيار Conv-FinRe، وهو معيار محادثاتي وطويل الأمد لتوصيات الأسهم، لتجاوز حدود تقليد هذا السلوك وتحقيق تقييم أعمق لجودة القرارات.

يتضمن Conv-FinRe حواراً تمهيدياً مع المستثمر، وسياقاً سوقياً خطوة بخطوة، وحوارات استشارية، حيث يجب على النماذج تقديم تصنيفات على مدى استثماري ثابت. الأهم من ذلك، يوفر هذا المعيار مراجع متعددة الجوانب تعزز التمييز بين السلوك الوصفي والمنفعة النمطية استناداً إلى تفضيلات المستثمرين الخاصة بالمخاطر، مما يمكّن من التحقق مما إذا كان نموذج الذكاء الاصطناعي يتبع تحليلاً العقلاني أو يحاكي ضوضاء المستخدم أو مدفوعاً بزخم السوق.

تم بناء هذا المعيار من بيانات سوق حقيقية ومسارات قرار بشرية، وتنفيذ محادثات استشارية خاضعة للرقابة، كما تم تقييم مجموعة من نماذج اللغات الضخمة (Large Language Models) الحديثة. وكشفت النتائج عن توتر مستمر بين جودة القرار العقلاني ومحاذاة السلوك: حيث أن النماذج التي تؤدي جيداً في الترتيب القائم على المنفعة غالباً ما تفشل في التوافق مع اختيارات المستخدم، بينما يمكن للنماذج المتماشية مع السلوك أن تتجاوز الضوضاء القصيرة الأجل.

تم إصدار مجموعة البيانات للعامة على منصة Hugging Face، وأتاحت القاعدة الأكواد على GitHub. ماذا تعتقد في هذا التوجه الجديد نحو تحسين توصيات الاستثمار؟ شاركنا رأيك في التعليقات!