专注于金融业！百川智能发布全新模式:用AI改写行业规则

12 月 23 日本，百川智能全链路领域强化模型 Baichuan4-Finance 正式发布。Baichuan44与行业常见的大语言模型不同-Finance 主要面向金融业，但并未放弃通用能力。

在 FLAME-Cer Baichuan4-Finance 整体准确率高达 93.26%，领先 GPT-4o 近 在Baichuan444中，20%的银行、保险、基金、证券等多个项目的从业资格认证测试-Finance 更加精确地实现了准确性 95% 以上。

更倾向于一级应用场景 FLAME - Sce 国内主流开源金融评价标准 FinanceIQ Baichuan4-Finance 整体成绩均优于 GPT-4o 以及大型开源金融模式 XuanYuan3-70B-Chat。

据百川智能介绍，为了在不损失通用能力的情况下提高模型的专业能力，百川智能专门在全链路领域打造了一套增强方案，包括高质量数据建设、模型预训练、微调、强化学习等环节。Baichuan4-Finance 正是这一策略的最新成果，其优质金融数据全面严谨，包括核心专业金融知识数据和实际应用数据，为提高金融能力提供了良好的支持。

此外，百川智能还将高精度通用数据混合训练引入到该领域的自约束训练中，以确保通用能力的稳步增长。后训练阶段，百川智能通过生成数据和指令信息进行了监管和微调，增强了金融行业特定场景的样本，进一步提高了大模型的性能。

对于 Baichuan4-Finance，软通动力表示，该大模型的通用能力和特殊能力完美满足了用户的需求。布局这个大模型后，客户满意度提高了。 20%。

随着模型普及程度的不断提高，如何衡量大模型的专业能力和通用能力已经成为一种令人印象深刻的方式。 AI 公司头疼的问题。如果使用大量的通用数据来训练大型模型，很可能会造成数据污染，降低大型模型在专业领域的准确性，而不是使用通用数据来训练大型模型，可能会导致大型模型的通用能力增长停滞甚至下降。

百川智能利用专业理财知识和实际应用数据训练模型，通过行业内首创的自约束训练技术和全链路领域的增强方案，提升 Baichuan4-Finance 面临金融行业专业应用领域的能力。选择高精度的通用数据进行混合训练，可以在防止外部数据污染的同时，改善 AI 大型模型的通用性。

该方案对于 AI 对数据样本的选择、算法、监督和优化能力提出了极高的要求，从多项检测表现来看，Baichuan4-Finance 金融领域的能力已经成为第一梯队，远远超过 GPT-4o 和 XuanYuan3-70B-Chat。

百川智能表示，已与华为、中科曙光、软通动力、达观数据、中国移动。 / 电信 / 联通等软硬件公司与运营商达成合作，为爱奇艺、完美世界游戏、360 集团等100多家企业提供服务。

通用语言模型竞争激烈，且难以实现盈利创收，AI 公司为大模型增加专业技能，面向特定人群是行业趋势。。百川智能在金融领域的布局，或将通过 Baichuan4-Finance 建立行业地位，与更多企业达成合作，为个人用户提供更完善的使用体验。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com