隨著金融業(yè)數(shù)智化轉(zhuǎn)型不斷提速，大模型在金融領(lǐng)域的應(yīng)用正持續(xù)深化，然而在實際業(yè)務(wù)場景中，往往需要高度專業(yè)的金融知識、復(fù)雜的業(yè)務(wù)邏輯推理能力以及嚴(yán)格的金融級安全合規(guī)等要求，現(xiàn)有的大模型在解決實際金融任務(wù)時仍然存在諸多挑戰(zhàn)。

“通用大模型距離產(chǎn)業(yè)實際應(yīng)用存在‘知識鴻溝’。構(gòu)建專業(yè)的金融大模型是推進金融與AI深度融合的必然路徑，未來，金融大模型的應(yīng)用深度將成為金融機構(gòu)競爭力的關(guān)鍵要素。”螞蟻數(shù)科CEO趙聞飆在演講中表示。

據(jù)悉，螞蟻數(shù)科通過構(gòu)建全面的金融任務(wù)數(shù)據(jù)體系以及模型訓(xùn)練算法創(chuàng)新，實現(xiàn)模型更強的金融推理能力及可信性。評測結(jié)果顯示：相較于通用開源模型及其他金融模型，Agentar-Fin-R1在FinEval1.0、FinanceIQ兩大主流金融基準(zhǔn)測試中均取得最高評分。并且模型在金融能力顯著增強的同時，通用能力也表現(xiàn)出較高水準(zhǔn)。

在數(shù)據(jù)層面，螞蟻數(shù)科構(gòu)建了業(yè)內(nèi)最全面與專業(yè)的金融任務(wù)分類體系，包括6大類、66小類場景，覆蓋銀行、證券、保險、基金、信托等金融全場景?；谇|級金融專業(yè)數(shù)據(jù)語料，通過可信數(shù)據(jù)合成技術(shù)以及結(jié)合專家標(biāo)注的金融長思維鏈（CoT）構(gòu)造機制，顯著提升模型處理復(fù)雜任務(wù)的能力，讓大模型“天生懂金融，出廠即專家”。

在訓(xùn)練層面，創(chuàng)新的加權(quán)訓(xùn)練算法，提高大模型對復(fù)雜金融任務(wù)學(xué)習(xí)效率與性能。在后續(xù)業(yè)務(wù)應(yīng)用中，可顯著減少二次微調(diào)的數(shù)據(jù)需求與算力消耗，有效降低大模型在企業(yè)落地的門檻與成本。此外，Agentar-Fin-R1還能不斷更新迭代，吸收最新的金融政策、市場動態(tài)等關(guān)鍵信息，并通過配套評測工具進行針對性優(yōu)化，讓模型能力在真實業(yè)務(wù)場景中不斷進化。

據(jù)悉，Agentar-Fin-R1包括32B和8B參數(shù)兩個版本。螞蟻數(shù)科還推出基于百靈大模型的MOE架構(gòu)模型，獲得更優(yōu)推理速度。此外，還有非推理版本的14B和72B參數(shù)大模型，以滿足金融機構(gòu)在多樣化場景下的部署需求。

為了考察大模型在實際金融場景中部署的能力，螞蟻數(shù)科還聯(lián)合中國工商銀行、寧波銀行、北京前沿金融監(jiān)管科技研究院、上海人工智能行業(yè)協(xié)會等機構(gòu)聯(lián)合推出Finova大模型金融應(yīng)用評測基準(zhǔn)，深度考察智能體能力、復(fù)雜推理以及安全合規(guī)能力。在Finova評測中，Agentar-Fin-R1也取得最高評分，甚至超越更大參數(shù)規(guī)模的通用模型。目前Finova已經(jīng)全面開源，推動行業(yè)共同提升大模型在金融領(lǐng)域的應(yīng)用水平。

螞蟻數(shù)科是螞蟻集團旗下獨立科技子公司，致力于以AI及Web3技術(shù)助力產(chǎn)業(yè)數(shù)智化升級。今年以來，螞蟻數(shù)科加速布局企業(yè)級大模型服務(wù)，并聚焦金融與新能源兩大行業(yè)場景。在金融領(lǐng)域，螞蟻數(shù)科此前推出金融智能體平臺Agentar，成為首批通過信通院評測的智能體平臺產(chǎn)品，并獲最高評級5級。螞蟻數(shù)科還聯(lián)合行業(yè)合作伙伴，推出超百個金融智能體解決方案，加速大模型在金融業(yè)規(guī)?；瘧?yīng)用。

以上海某銀行為例，螞蟻數(shù)科助力上海某銀行打造的AI手機銀行，創(chuàng)新“對話即服務(wù)”模式，用戶通過自然對話即可獲取各類金融服務(wù)，推動銀行老年客戶滿意度提升顯著，月活用戶同比增長 25%。目前，螞蟻數(shù)科累計已服務(wù)100%的國有銀行和股份制銀行、超60%的地方性商業(yè)銀行、數(shù)百家金融機構(gòu)。

xiesc