本文综述金融领域大语言模型（LLMs）的历史、技术、性能与挑战，涵盖训练方法、数据与评估。研究回顾零样本、微调及从头训练等方案，提出选择LLM的决策框架，并评估GPT-4等模型在金融任务中的表现。还介绍FLANG、FLUE基准及数据中心FLLM方法，强调多语言能力差异，呼吁提升跨语言公平性。