用AI从历史报纸中挖掘银行挤兑数据

三位经济学家利用大语言模型，从美国国会图书馆数字化的逾3.74亿份历史报纸中提取银行挤兑信息，构建了美国历史上最全面的银行挤兑数据库。在1933年大萧条高峰之前，银行挤兑频发，但官方记录仅记载银行倒闭，未区分是否因挤兑导致。研究团队通过关键词搜索筛选出约100万篇候选文章，再使用LLM提取结构化信息，包括银行名称、事件类型（如储户挤兑、暂停支付、关闭、重开）、原因（宏观经济、特定消息或谣言）以及银行应对措施（如清算所援助、公开偿债能力展示、股东注资）。该数据库允许用户浏览原始报纸文章，为研究银行危机提供了前所未有的数据基础。 #AI #大语言模型 #银行挤兑 #经济史 #金融 #数据库 #历史研究 #LLM

轻量级应用让大语言模型处理值班任务

一位开发者在 Show HN 上展示了一款轻量级应用，旨在让大语言模型（LLM）自动承担值班（oncall）任务。该应用能够自动分析系统日志与指标，快速定位故障根因，例如发现“08:58Z 池大小缩减”并建议执行回滚操作。同时，它通过只读工具验证证据，无需人工介入即可完成排查。这一工具显著提升了运维效率，展示了大模型在自动化运维中的实际应用潜力。 #LLM #值班 #运维自动化 #AI #轻量级应用 #ShowHN #故障排查 #大模型 #自动化运维