本文介绍了BiasBuster框架，旨在识别和减轻大型语言模型中的认知偏见。研究开发了包含16,800个提示的数据集，测试了多种去偏策略，并提出了一种自助去偏方法。评估19个主要模型后发现，它们在金融合理性方面存在不同程度的非理性，强调了大型语言模型在金融应用中的优势与弱点，以及人类认知偏见对模型的影响。