本研究评估了大型语言模型在金融报告自动生成中的有效性，比较了GLM-4、Mistral-NeMo和LLaMA3.1，并提出了新的评估框架和指标，以促进模型性能的讨论与改进。

清华大学联合智谱AI构建了名为LongWriter-6k的数据集，包含6,000个SFT数据样本，输出长度从2k到32k个单词不等。利用该数据集，研究团队训练了一个能够生成超过10,000字连贯文本的模型LongWriter-glm4-9b。该模型在文学创作、新闻报道等实际应用中表现出广泛性。