金融行业中的开源AI大模型项目 (金融行业中的AIC)

公司代码 2025-01-26 17:38:07 浏览次

金融行业中的开源AI大模型项目在金融领域，AI大模型的运用正日益普及。

这类模型具备通用知识，但经过特定行业训练后，能高效处理金融业务。

金融大模型通过获取行业数据，结合通用知识，实现深度学习与行业应用的结合。

然而，这类模型在数据收集、训练协议的透明度以及高昂的适应成本上存在局限性，促使市场对更开放、包容的解决方案的需求增加。

金融领域拥有丰富且高质量的数据，如上市企业年报、经济数据、交易信息等，这些数据对金融大模型的训练尤为关键。

由于金融行业的监管约束，大型金融机构的产品与运作模式相对统一，因此通用的开源大模型在覆盖不同机构需求方面展现出潜力。

多企业和研究机构开始推动开源金融大模型的发展，通过提供模型参数、训练数据和评估基准，降低了开发成本和门槛，使得更多人能利用这些模型进行金融分析、情感分析和预测。

其中，FinGPT项目是一个由AI4Finance-Foundation开发的开源金融大型语言模型。

它旨在实现金融数据民主化，采用以数据为中心的方法，为金融领域应用大语言模型设计了一个五层全栈框架。

FinGPT通过专注于顶级开源LLMs的轻量级改编，提供透明度和定制化能力，适应金融咨询服务的个性化需求。

它集成了多个模型，包括Llama-2、Falcon、MPT、Bloom、ChatGLM2、Qwen和InternLM，以适应不同语言市场和金融任务。

FinGPT的特色模块包括FinGPT-RAG，用于金融情感分析，通过外部知识检索优化信息深度和背景，以及FinGPT-FinNLP，提供金融领域LLM训练和微调的完整流程。

此外，FinGPT-Forecaster是一款股价预测工具，能够快速适应新数据，提供成本效益更高的解决方案。

FinGLM项目则致力于构建开放、公益和持久的金融大模型，通过开源方式探索金融领域AI应用，特别关注上市公司年报的深度解析，实现专家级金融分析。

项目提供数据准备、模型微调、问答等流程，包括ChatGLM-6B模型相关课程内容，涵盖PPT、视频和技术文档。

开源数据集包含70G/1w+份年报数据，以及份2019年至2021年的上市公司年度报告和条人工标注评测数据。

轩辕项目是国内首个开源的千亿级中文对话大模型，针对中文金融领域进行了针对性的预训练与微调，能够处理通用领域问题以及金融相关问题，提供准确、全面的金融信息和建议。

该项目基于Llama2-70B模型进行中文增强，融合大量中英文语料，特别针对金融场景中的长文本业务。

FinanceIQ是轩辕项目的一部分，旨在构建中文金融领域知识评估数据集，有效评估模型在金融环境中的表现，通过通用能力、专业知识和场景应用三部分评估体系，提供全面且细致的评估工具。

Auto-GPT-MetaTrader-Plugin是一款连接MetaTrader交易账户至Auto-GPT的软件工具，允许交易者利用GPT-4的强大功能进行金融交易，提供自动化和智能化的交易体验。

PIXIU貔貅是一个面向金融领域的综合性框架，包含基于LLaMA模型微调得到的首个金融领域大型语言模型（FinMA）、指令数据集和评估基准。

FinMA模型经过多任务指令调整，能够处理各种金融任务，评估基准涵盖关键金融任务，包括金融情感分析、新闻标题分类、命名实体识别和股票运动预测等。

DISC-FinLLM项目由复旦大学数据智能与社会计算实验室开发，集成金融咨询、金融文本分析、金融计算和金融知识检索问答，构成多专家智慧金融系统。

BBT-FinCUGE-AppliCations项目提供大规模中文金融领域开源语料库和基于T5模型架构的预训练语言模型，以及金融领域自然语言处理评测基准CFLEB，涵盖六种NLP任务，提高中文金融NLP性能和泛化能力。

WeaverBird (织工鸟)项目采用GPT架构大型语言模型，专门设计用于金融领域，提升金融决策效率与准确性。

FLANG (Financial LANGuage model)项目采用ELECTRA训练策略，针对金融特定数据集进行预训练，包括金融关键词和短语掩码处理，同时覆盖金融领域特定的文本理解任务。

InvestLM项目是香港科技大学工商管理学院研究团队开发的金融领域生成式AI开源大语言模型，用于金融相关问题对话，提供投资建议、财经文章写作等服务，性能媲美ChatGPT。