The Stanford EDGAR Filings Dataset: Reconstructing U.S. Corporate and Financial Disclosures into Layout-Faithful and Token-Efficient Pretraining Data

  • 类型：arxiv
  • 标识：2606.18192
  • 链接：http://arxiv.org/abs/2606.18192v1
  • 主分类：engineering
  • 形态：method
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：The Stanford EDGAR Filings Dataset (SEFD), an open reconstruction of SEC filings into layout-faithful MultiMarkdown for financial language modeling and evaluation, is introduced and two SEFD-derived benchmarks are introduced: EDGAR-Forecast, which evaluates filing-grounded numerical forecasting after model knowledge cutoffs, and EDGAR-OCR, which evaluates transcription of complex financial tables.
  • OpenAlex ID：W7165009153
  • OpenAlex DOI：10.48550/arxiv.2606.18192
  • DOI：10.48550/arxiv.2606.18192
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2606.18192
  • OpenAlex更新：2026-07-19
  • 待LLM分类：否
  • 副分类：engineering
  • 标题中文：Stanford EDGAR Filings Dataset：将美国企业及金融披露重建为版面保真且 token 高效的预训练数据
  • TLDR中文：介绍 Stanford EDGAR Filings Dataset（SEFD），一个将 SEC filings 开放重建为版面保真 MultiMarkdown 的数据集，用于金融语言建模与评估；同时推出两个基于 SEFD 的基准：EDGAR-Forecast，用于评估模型知识截止后基于 filings 的数值预测；EDGAR-OCR，用于评估复杂金融表格的转录质量。
  • 来源文件：
  • /inbox/tom/_candidates/2026-06-17-agent-rag-longcontext-candidates.json
  • [S2 enrich]
  • [OpenAlex backfill]