(資料圖片僅供參考)

近日，度小滿正式開源國內(nèi)首個千億級中文金融大模型——“軒轅”。軒轅大模型是在1760億參數(shù)的Bloom大模型基礎上訓練而來，在金融名詞理解、金融市場評論、金融數(shù)據(jù)分析和金融新聞理解等任務上，效果相較于通用大模型大幅提升，表現(xiàn)出明顯的金融領域優(yōu)勢。

在金融場景中的任務評測中，軒轅全面超越了市場上的主流開源大模型，贏得了150次回答中63.33%的勝率，充分凸顯了其在金融領域的顯著優(yōu)勢。在通用能力評測中，軒轅有10.2%的任務表現(xiàn)超越ChatGPT 3.5，61.22%的任務表現(xiàn)與之持平，涉及數(shù)學計算、場景寫作、邏輯推理、文本摘要等13個主要維度。

為了提升軒轅大模型對金融領域問題的理解能力，度小滿將自身業(yè)務中積累的金融領域的千億tokens的中文預訓練數(shù)據(jù)集用來訓練模型。該數(shù)據(jù)集涵蓋了金融研報、股票、基金、銀行、保險等各個方向的專業(yè)知識。度小滿表示，經(jīng)過清洗和標注的高質(zhì)量數(shù)據(jù)集，不僅在通用性方面與ChatGPT達到持平成為可能，且顯著提升了模型在金融垂直領域的性能。

BLOOM（Big Science Language Open-science Open-access Multilingual）是2021年由 1000 多名志愿研究人員在一個名為“大科學 BigScience”的項目中創(chuàng)建，2022年7月12日正式發(fā)布。BLOOM 擁有1760億個參數(shù)（決定輸入數(shù)據(jù)如何轉(zhuǎn)換為輸出內(nèi)容的變量），稍多于擁有 1750 億個參數(shù)的 GPT-3。BLOOM擁有1.61TB文本，包含46種自然語言和13種編程語言。相比Meta發(fā)布的130億參數(shù)的LLaMA（Large Language Model Meta AI）模型，Bloom參數(shù)量更占優(yōu)勢。

目前，千億級的軒轅模型已可以在Huggingface中申請下載，面向所有金融機構(gòu)開放。 下載地址：https://github.com/Duxiaoman-DI/XuanYuan

度小滿CTO許冬亮表示，軒轅大模型是經(jīng)度小滿業(yè)務場景中積累的金融數(shù)據(jù)訓練而來的，對金融相關問題的理解比通用大模型更有優(yōu)勢。我們把大模型能力開放給金融機構(gòu)，有利于推動大模型在金融行業(yè)的應用，降低大模型的應用門檻，提升金融行業(yè)智能化水平。

作為AI新基建，大模型在金融及各個行業(yè)有著廣泛的應用場景。軒轅大模型開源后，對金融機構(gòu)有何意義？

許冬亮認為，生成式大模型在內(nèi)容生成與創(chuàng)作、信息摘要與總結(jié)、知識理解與問答、自然交互與對話等方面具備非常出色的能力，在金融場景中會有廣泛的應用。在前臺，生成式大模型將大幅提升客戶經(jīng)理的專業(yè)水平和服務能力，大幅降低客戶經(jīng)理的運營成本，讓每個人都擁有24小時在線的專業(yè)客戶經(jīng)理成為可能。出色的內(nèi)容生成能力也將引發(fā)營銷內(nèi)容生產(chǎn)能力的大幅提升。在中臺，生成式大模型有機會改變企業(yè)內(nèi)知識獲取、內(nèi)容創(chuàng)作、會議與溝通、代碼開發(fā)與測試的方式，進而大幅提升企業(yè)內(nèi)部辦公效率，甚至引發(fā)研發(fā)測試模式變革，全方位提升金融企業(yè)內(nèi)部運營效率。在后臺，大模型將成為智能科技底座的標配，大幅降低智能技術應用的門檻，只需少量標注數(shù)據(jù)甚至無需調(diào)整就可以讓智能技術覆蓋廣泛的場景。

據(jù)悉，度小滿依托于百度人工智能技術，已經(jīng)開展了一系列基于大模型的應用。以風險管理為例，度小滿已經(jīng)將大型語言模型LLM應用在互聯(lián)網(wǎng)文本數(shù)據(jù)、征信報告的解讀上，通過用文本數(shù)據(jù)構(gòu)造的預訓練模型以及AI算法，能夠?qū)⒄餍艌蟾娼庾x出40萬維的風險變量，更好的識別小微企業(yè)主的信貸風險。今年5月份，這一工程榮獲了“吳文俊人工智能科學技術獎”。今年2月份，百度基于文心大模型技術推出的生成式對話產(chǎn)品“文心一言”（ERNIE Bot）開放生態(tài)合作，度小滿成為首家接入的金融科技公司。（柯巖）