當(dāng)下，大模型技術(shù)已經(jīng)成為最引人矚目的創(chuàng)新技術(shù)之一。度小滿多年來持續(xù)聚焦各項前沿科技，推動大模型技術(shù)在金融智能獲客、風(fēng)險管理、智能客服等方面的運用，探索創(chuàng)新技術(shù)與金融融合發(fā)展的新思路和新模式。

行業(yè)垂類大模型技術(shù)應(yīng)用加速，BloombergGPT落地金融領(lǐng)域

近日，世界上首個針對金融行業(yè)的大語言模型BloombergGPT橫空出世，這意味著金融行業(yè)正在成為垂類大模型技術(shù)落地的先鋒領(lǐng)域。據(jù)悉，該大語言模型專門針對各類金融數(shù)據(jù)進(jìn)行訓(xùn)練，能夠全方位支持金融領(lǐng)域的自然語言處理(NLP)任務(wù)，如市場情緒分析、命名實體識別、新聞分類和問題回答等。

今年以來，以ChatGPT和百度文心一言等為代表的生成式AI在通用任務(wù)上取得了不亞于人類的表現(xiàn)。然而，這類AI在行業(yè)任務(wù)上的表現(xiàn)相對一般，一方面在于行業(yè)知識在訓(xùn)練數(shù)據(jù)中的比例相對較低，模型中的行業(yè)知識相對匱乏，導(dǎo)致行業(yè)任務(wù)表現(xiàn)較差;另一方面，行業(yè)任務(wù)與通用任務(wù)的思維邏輯存在顯著差異，比如在金融行業(yè)語境下對某些信息的解讀與通用語境下存在顯著不同。

隨著BloombergGPT的出現(xiàn)與眾多金融科技公司加大發(fā)力，大模型技術(shù)在金融垂類領(lǐng)域上的應(yīng)用正愈發(fā)成熟。度小滿CTO許冬亮在接受麥肯錫訪談時曾表示：“在金融領(lǐng)域，大模型將廣泛應(yīng)用于智能獲客、風(fēng)險管理、智能客服等方面，為客戶帶來顯著的優(yōu)化體驗。”

度小滿提出大模型技術(shù)在金融行業(yè)具體應(yīng)用的三大方向

同時，對于大模型技術(shù)在金融行業(yè)的具體應(yīng)用，許冬亮也提出了三大方向。首先是基于大模型的智能客服將超越人工服務(wù)，讓高質(zhì)量顧問式金融服務(wù)成為可能。在通用大模型的基礎(chǔ)上，疊加金融客服領(lǐng)域的數(shù)據(jù)和專業(yè)服務(wù)經(jīng)驗，經(jīng)過垂直領(lǐng)域定向訓(xùn)練后客服機器人既能與用戶進(jìn)行多輪對話，還能提出具體的、可行的解決方案。

此外，生成式大模型可以成為理財師、經(jīng)紀(jì)人等從業(yè)者的“全能業(yè)務(wù)助理”。基于大模型的業(yè)務(wù)助理不僅了解國內(nèi)外的宏觀政策、行業(yè)信息、產(chǎn)品信息，還可以自動生成文章、報告，提供專業(yè)建議和方案輔助交流。

與此同時，廣告和營銷內(nèi)容一鍵生成能力，也將帶動金融行業(yè)營銷效率的大幅提升。過去，金融行業(yè)從業(yè)者需要在海量信息中檢索詞條，將大量的精力投入到信息的獲取、提煉與整合，并承擔(dān)做檢索、設(shè)計、制作等工作;未來，大模型技術(shù)會適應(yīng)并普及到所有知識型工作行業(yè)，例如文案、設(shè)計、編程等，人機協(xié)作將大幅提高工作效率。

事實上，BloombergGPT所展現(xiàn)的語義理解能力，也是度小滿在自然語言處理(NLP)領(lǐng)域重點投入的方向。2021年，在微軟舉辦的MS MARCO 比賽中的文檔排序任務(wù)中，度小滿NLP團隊排名第一并刷新紀(jì)錄;團隊研發(fā)的軒轅 (XuanYuan) 預(yù)訓(xùn)練模型也在CLUE分類任務(wù)中排名第一。

今年3月，度小滿還憑借“智能征信解讀中臺”，獲得了2022年度吳文俊人工智能科技進(jìn)步獎，該獎項被譽為“中國智能科學(xué)技術(shù)最高獎”。度小滿智能征信中臺將大數(shù)據(jù)語言模型LLM、圖算法應(yīng)用在征信報告解讀上，能夠?qū)蟾娼庾x出40萬維的風(fēng)險變量，將銀行風(fēng)控模型的風(fēng)險區(qū)分提升了26%。

憑借孜孜不倦的探索精神，度小滿在大模型技術(shù)領(lǐng)域已積累了豐富的技術(shù)經(jīng)驗。未來，大模型技術(shù)將逐漸滲透到金融各大領(lǐng)域中，為金融行業(yè)創(chuàng)新發(fā)展提供科技支撐。度小滿也將繼續(xù)加強對大模型技術(shù)的研發(fā)力度，為金融行業(yè)創(chuàng)新發(fā)展貢獻(xiàn)一份力量。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）