本文研究了大规模语言模型（LLM）在金融领域的应用，特别是金融情感分析。通过微调基础模型，发现小型LLM在性能上可与大型模型媲美且更高效。研究提出了多专家微调框架DISC-FinLLM，并构建了金融指令微调数据集，以提升模型在金融场景中的表现。此外，探讨了LLM在金融翻译和其他任务中的潜力，强调了优化LLM以确保准确性的重要性。