AI金融助手

智通财经APP获悉，中信证券(600030)发布研究报告称，2024年1月11日，OpenAI在官网正式发布了自定义GPT商店与ChatGPT Team产品，有望为C端AI应用开启“App Store”时刻，同时推动AI在B端应用的拓展。该行认为OpenAI GPT商店与新产品的发布，有望消除市场对于AI长期发展动力以及AI算力投资持续性的担忧，进而打开光模块等算力设备行业的估值空间。该行依然看好头部光模块厂商凭借自身产品、客户、研发优势形成的行业壁垒与领先优势，充分享受AI应用快速发展带来的高端产品爆发需求。 中信证券主要观点如下： GPT商店正式发布，C端AI应用有望迎来“App Store”时刻。 2024年1月11日，OpenAI在官网正式发布了自定义GPT商店；OpenAI 表示，自从开发者大会宣布两个月以来，用户已经创建了超过 300 万个 GPTs。目前使用率较高的自定义GPT产品，包括针对学术论文服务的Consensus，以及PDF分析助手Ai PDF。目前来看，学术研究、工具类产品是自定义GPT商店的主流，截止2024年1月15日，GPT商店中排名前五名应用的评论数合计已超百万。同时OpenAI计划在2024年第一季度启动GPT 开发者收入计划。美国地区的开发者将根据用户对其 GPT 的使用情况获得金钱回报。未来，OpenAI将提供更详细的收入计划。我们认为GPT商店以及GPT 开发者收入计划的推出，有望推动构建应用端良性的创作-产出商业模式，使得AI应用的“App Store”时刻。 推出ChatGPT Team产品，拓展AI的B端应用。 OpenAI在11月1日同时发布其针对B端AI应用的新产品ChatGPT Team。相对于此前发布的企业版ChatGPT，此次产品更针对于各种细分团队，产品功能包括快速从文档和数据实现可视化、提升编程效率、用图像生成文本等；此外，ChatGPT Team也支持自定义ChatGPT功能。目前ChatGPT Team收费方式：按年计费，每月25美元；按月计费，每月30美元。此前企业版ChatGPT已经在众多知名企业中广泛应用，我们认为ChatGPT Team产品有望进一步推动AI企业级应用的拓展。 免责申明： 内容来源于网络，若侵犯了您的权益，请及时发送邮件通知作者进行删除。 合作投稿投诉：zhuenejk@163.com

（本文作者朱一峰，中央财经大学金融学院副教授） 一、ChatGPT及AI大模型介绍 2022年11月30日，OpenAl发布大语言模型ChatGPT，其上线5天用户数量过百万、2个月吸引活跃用户过亿的成绩，一度刷新纪录，成为史上增长最快的应用。 ChatGPT的爆火使人工智能（AI）再次闯入大众视野，并使其与人们的工作生活相结合。人工智能的概念最早可以追溯到20世纪50年代，当时计算机科学的先驱们开始探索机器模拟人类智能的可能性。1956年，在达特茅斯会议上，这个领域被正式命名为“人工智能”。早期的研究集中在逻辑推理和问题解决上，但很快人们意识到，要让机器真正智能，就必须让它能够理解和生成自然语言。 ChatGPT“无比强大”的能力主要得益于其依托的大型语言模型。最初，自然语言处理（NLP）相关研究主要通过编写语法规则和词典来进行句子分析。20世纪80年代，随着计算能力的提高和大量语料库的出现，统计方法逐渐占据主导地位，这一时期，许多基于统计的机器翻译、分词、词性标注等方法相继出现。随着深度学习技术的发展，人工神经网络和其他机器学习方法已经在自然语言处理领域取得了重要的进展。从循环神经网络（RNN）到长短时记忆网络（LSTM）的语言模型，到以Transformer为基础架构的大模型，语言模型性能不断提升，并逐步实现了文本情感分析、自然语言推断、对话问答、上下文学习和程序代码生成等能力。尤其是Transformer模型的诞生改写了语言模型构建方式，它通过自注意力机制实现了对长序列的有效处理，极大地提高了语言模型的性能，后续各大主流模型也都是在Transformer模型的基础上不断发展。 ChatGPT的横空出世，不仅标志着人工智能大模型时代的到来，更是揭开了通用人工智能（AGI）探索的新篇章。回顾ChatGPT的发展历程可知，美国人工智能实验室OpenAI自GPT-1开始，就将大型语言模型视为通往通用人工智能的必由之路。从GPT-1到GPT-4，OpenAI的GPT系列模型不断推陈出新，每代模型的参数规模都比前一代大一个数量级，GPT-4的模型参数已达1.8万亿。模型不仅在语言理解和推理能力上逐步提升，还特别针对交互提升了其对话能力，并在第4代模型增加了图像输入的形式。2024年5月14日OpenAI新发布了GPT-4o模型，其性能在GPT-4基础上再度升级。该模型跨文本、视觉和音频端到端训练，所有输入和输出都由同一个神经网络处理，提升响应速度的同时，也展现了未来大模型向多模态方向的发展趋势，进一步加快了向通用人工智能迈进的速度。 国际大模型发展如火如荼的同时，国内也在奋力追赶，发展迅速。国内大模型与GPT-4差距快速缩小，第一梯队的头部大模型例如ChatGLM4、百度文心一言4.0、讯飞星火V3.5整体表现已经接近GPT-4，在中文领域，国内部分模型表现已经可以比肩GPT-4。 ChatGPT能够成为新一代人工智能里程碑，离不开算力的支持。比如ChatGPT使用的GPT-3.5模型依靠微软云计算进行训练，总算力消耗约3640 PF-days（即按每秒一千万亿次计算，运行3640天）。由此带来一个问题，由于训练和运行模型均需要庞大的算力，资金消耗也加大了公司成本端压力。近年来，随着模型规模的不断扩大，训练成本也在不断增加。2017年Transformer模型训练成本约为930美元。到了2023年，OpenAI的GPT-4和Google的Gemini Ultra的训练成本预计分别约为7800万美元和1.91亿美元。 OpenAI作为大模型赛道目前的领跑者，其商业模式主要分为三部分：用户订阅、开发者付费和微软分成。首先，从2023年年初开始，OpenAI就推出了会员订阅服务，每月收取20美元，到去年7月付费用户已超200万。其次，开发者API接口收费是OpenAI最核心的收入，这种模式下开发者通过大模型满足自身垂直的应用场景，而OpenAI根据流量计费。第三部分来自于OpenAI与微软的合作分成，向企业端客户售卖Azure OpenAI云大模型。成功的商业模式探索为公司带来了可观的收入，2022年OpenAI还面临5.4亿美元的亏损，到2023年公司收入已超过16亿美元。 不过，为大众构筑起对人工智能美好前景的期待或许才是OpenAI成功的主要原因，相较之下，商业模式的选择屈居其次。AI领域仍存在无数挣扎在生死线上的AI模型公司，如何探索出属于自己的商业化道路是他们面临的重要难题。 二、ChatGPT等一众AI怎样赋能金融业 银行业的AI应用方兴未艾，银行业旺盛的数字化转型需求使国内外银行纷纷布局智能客服、智能数据助理、智能评级、智能风控等领域。 投资机构对ChatGPT的态度则较为谨慎。此前广受关注的智能投顾、AI×量化投资等AI×金融模式尚未得到广泛应用，不过，目前国内外学者已经发现ChatGPT不仅仅是工具，更具有指导量化交易的能力。今年3月，Sangheum和Cho的研究发现ChatGPT能够根据输入的推特新闻生成买入和卖出的股票代码，并获得正收益。他们还发现，这一结果似乎说明ChatGPT能够处理大量的非公司特定新闻，并据此生成公司特定交易信号。 在金融科技领域，继彭博社于2023年3月率先推出金融垂直大模型BloombergGPT后，国内外涌现了一批金融垂直大模型。与通用大模型相比，金融垂直大模型更能适应金融行业合规要求严、精度要求高、风险厌恶的特征。 三、AI×金融的未来与建议 从宏观层面看，AI×金融是金融机构未来几年战略布局的关键。被视为“新质生产力的重要引擎”的AI技术，未来将作为数字金融的底座和能力与中央强调的金融“五篇大文章”深度融合。 在金融监管领域，AI既是监管手段，也是监管目标。目前，金融领域的AI应用存在的问题主要有二，在技术层面，第一，作为合规要求严格的服务业，金融怎样降低AI输出“有毒内容”带来的风险。第二，有着严格保密要求的金融业，在AI时代怎样保护数据隐私。因此，全新的AI×金融模式，也需要全新的监控手段与之匹配。AI能够快速从多渠道获取大量多元化数据，从而有助于全方位形成监管合力，实现发展与监管的“同步化”。 从金融行业的细分领域看，以ChatGPT为首的一众AI大模型将会逐渐与各领域业务深度融合。在研究领域，ChatGPT的最新版本GPT-4o引入了数据文档在线分析功能，能够直接上传Excel进行分析。分析师不再需要手动输入Excel函数或自行编写代码，通过GPT-4o在线分析即可得到大量指标。在量化投资领域，ChatGPT将不仅仅作为解放生产力的工具，帮助量化从业者减少基础性工作耗费的时间精力，还能够通过大模型耦合以及大模型涌现等方式优化量化投资的逻辑。在未来，ChatGPT及各类AI大模型能够承担的分析辅助功能或将更加强大，如李闻一等(2024)提出ChatGPT+RPA能够实现两融业务担保资产的风控，可见ChatGPT在金融领域的应用还有更多拓宽、深入的空间。 参考文献： [1]2024 AI Index Reporthttps://aiindex.stanford.edu/report/ [2]从GPT-1到ChatGPT及最新的GPT-4，GPT系列技术的发展过程 https://blog.csdn.net/hawkman/article/details/130100177 [3]2023年狂赚16亿美元后，OpenAI还会继续火下去吗？ https://www.woshipm.com/ai/5975746.html [4]朱光辉, 王喜文. ChatGPT的运行模式、关键技术及未来图景[J]. 新疆师范大学学报(哲学社会科学版), 2023, 44(04):113-122. [5]让AI从“用起来”到“有价值”，火山引擎的金融大模型是怎么炼成的？ https://mp.weixin.qq.com/s/BeRfr-y_pXuVb8j1cdyt0A [6]【AI金融新纪元】系列报告(二)——AI+金融大模型的两条技术路线 https://mp.weixin.qq.com/s/YJSPi9YUs9rm0OqZoKNEdA [7]ChatGPT在金融中的应用 https://mp.weixin.qq.com/s/CGEy7Da4hcwtDX_jsPdqFw [8]人人都能成为金融分析师：AI助你轻松分析股价，快速掌握股市波动趋势 https://mp.weixin.qq.com/s/uzmmjotxb1i4BzH2iKkdQg [9]Cho, Sangheum,...

和讯为您带来近期券商看点，供您参考： 彭博社发布金融大模型BloombergGPT 彭博社发布了针对金融领域500亿参数的大语言模型BloombergGPT，处理金融专业任务表现比通用大模型实现了大幅提升。 大模型席卷金融业 今年以来，大模型席卷金融业，各大金融机构采购大模型的需求覆盖了人工智能产业链上的各类厂商。 金融机构部署大模型主要有三种方式 金融机构部署大模型主要有独立全栈自研、在通用大模型或者专业大模型基础上进行微调、从云端调用。 金融大模型竞相出炉 市场火热之下，国内金融领域垂直大模型竞相出炉，包括度小满的“轩辕”、马上消费的“天镜”、蚂蚁集团的AntFinGLM、恒生电子(600570)的LightGPT等。 可靠性是金融大模型落地最大的鸿沟 大模型在金融领域落地的最大鸿沟是可靠性。在金融机构将大模型部署到公司内部时，往往发现挑战不小。 数据训练是金融大模型落地的拦路虎 在大模型领域流行一句话：“Garbage in，Garbage out”，即输入垃圾数据会导致输出垃圾结果，可见对大模型进行预训练，数据是重中之重。 谈论效果尚早 受现实条件的限制，金融大模型的落地应用程度并非想象中那么高，谈论效果更为时尚早。 共建生态“光靠自己不行” 打通大模型在金融业落地的最后一公里并非易事，各类金融机构和服务商都在交流中多次提到“生态共建”，期待联合多方力量解决算力、算法、数据、安全、监管等问题。 看投资段子，轻松一下： 听说金融机构最近玩起了大模型，数据训练是个拦路虎，可靠性更是大鸿沟。不过，共建生态是个好主意，毕竟“众人拾柴火焰高”，只要大家齐心协力，金融大模型的落地应用一定会像“火箭升空”一样顺利。 和讯自选股写手 风险提示：以上内容仅作为作者或者嘉宾的观点，不代表和讯的任何立场，不构成与和讯相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。和讯竭力但不能证实上述内容的真实性、准确性和原创性，对此和讯不做任何保证和承诺。 领和讯Plus会员，免费看更多独家内容：8大财经栏目，最新最热资讯干货独家行情解读，快人一步掌握市场投资风向。

证券之星消息，银之杰9月25日涨停收盘，收盘价18.98元。该股于9点25分涨停，2次打开涨停，截止收盘封单资金为3.86亿元，占其流通市值3.2%。 9月25日的资金流向数据方面，主力资金净流入1.66亿元，占总成交额10.9%，游资资金净流出1.05亿元，占总成交额6.87%，散户资金净流出6126.19万元，占总成交额4.02%。 近5日资金流向一览见下表： 该股为ChatGPT，金融科技，5G消息/RCS概念热股，当日ChatGPT概念上涨3.67%，金融科技概念上涨3.29%，5G消息/RCS概念上涨2.64%。 以上内容为证券之星据公开信息整理，由智能算法生成，不构成投资建议。返回搜狐，查看更多 责任编辑：

以金融科技為核心的全方位金融集團艾德金融宣佈推出人工智慧（AI）聊天機器人Eddid GPT AMA（Ask Me Anything），供團隊內部使用，在確保資訊安全的同時，支援團隊日常工作，提升運作效率。 Eddid GPT AMA結合了OpenAI ChatGPT和Google Bard等人工智慧模型，並配置集團的業務資訊為數據基礎，將協助團隊更有效率地進行草擬檔、審批流程、資料分析等工作。集團亦正積極開發更多新功能，包括建立更切合集團需要的數據模型、進一步豐富資料庫體系、提升程式與互聯網即時資訊的互動融合等，以便根據團隊日常工作需求制訂AI應用。 集團今年首季成立AI工作小組，致力將AI融入企業基因，在不同領域廣泛應用，將人工智慧融入金融科技、互聯網金融、財富管理、資產管理和投資銀行等不同業務。集團逐步以AI分析潛在風險、制定交易結構、管理產品組合等，並相信這次針對內部運作的Eddid GPT AMA將成為提升工作效率的重要工具，提升團隊生產力。 推出Eddid GPT AMA展示了艾德金融對金融科技創新的堅定信念，艾德金融期望利用革新技術，擁抱人工智慧領域的機遇，在未來競爭環境中保持優勢，同時積極推動行業革新，邁進AI新時代。 -END- 關於艾德金融 >>> 艾德金融植根香港，是一家以金融科技為核心的全方位金融集團，致力將高端人工智慧技術及最新科技融入企業基因。集團涵蓋多元化業務，包括但不限於﹕金融科技、互聯網金融、財富管理、資產管理、投資銀行及另類投資；致力為客戶提供安全可靠、優質便捷的一站式金融服務及產品。集團旗下成員持有香港、美國等主要金融市場的多類牌照，包括由香港證監會發出的第1、2、3、4、5、6、9類受規管活動牌照、香港保險經紀業務牌照、香港信託或公司服務提供者牌照，同時也是香港交易所參與者（經紀代號：0974及0977），並於美國證券交易委員會 (SEC) 及商品期貨交易委員會 (CTFC) 註冊及成為美國全國期貨協會 (NFA) 核准會員。 免責聲明 作者：艾德金融 免責聲明：通過本文發佈給閣下的資料包含的所有觀點、新聞、分析、報價或其他資訊僅為一般市場評論，並非構成投資建議，也並非勸誘或推薦閣下買入或賣出任何金融產品。此外，本文內容是在沒有考慮任何特定人士的具體投資目標或財務狀況(包括存款規模，杠杆，風險接受程度和風險承擔能力)的情況下編制的。任何參考歷史價格行情走勢僅為提供資訊之用且基於發佈者自己的分析。艾德金融及發佈者不承諾和保證該行情走勢可能會在未來發生，因為過去的表現不一定會說明未來的結果。發佈者相信本內容所包括的資訊的可靠性，但發佈者不保證其準確性或完整性。閣下清楚發佈者製作本資訊的目的並非影響您的投資決定，因此，對於閣下因信賴此類資訊或進行任何交易所造成的任何虧損，包括但不限於可能會有的盈利出現損失，艾德金融及發佈者不承擔任何責任。此信息不得於中國境內就任何目的複製或轉發。

上证报中国证券网讯 12月7日，金证股份在上海举办“金融领域特定场景大模型研讨会”。金证股份联合旗下子公司金证优智发布自主研发的金融领域特定场景大语言模型体系——金证金融大模型及工具集，标志金证股份推动AI在金融垂直领域落地应用实现新突破，将更好服务金融行业客户，赋能行业数字化转型。 金证股份董事长李结义在致辞中指出，近年来，以大语言模型为代表的人工智能技术突飞猛进，正推动全球人工智能领域新一轮的技术升级和产业重构，也为各行业带来前所未有的机遇与挑战，国内多家科技机构加大推进大模型建设，热情只增不减。作为其中代表的金融领域，在这一转型升级的风口中，更亟待以科技力量开启新的篇章，运用AI技术助力金融行业迈向智能化时代。 李结义表示，作为一家在行业深耕30年的金融科技公司，金证股份早在2018年便开始着手AI在金融应用领域的研究，并通过多个事业部、子公司和创新平台，对AI技术在金融领域实现落地应用。金证股份在此次数字技术浪潮下，也深入开展对大模型技术的研究。 今年，集结业内顶尖专家的金证股份AI团队自主完成金融领域特定场景大语言模型体系的研发，并推动AI在金融垂直领域的落地应用，面向营销、客服、投行、投研、风控等业务场景提供了创新的智能金融产品及解决方案。李结义表示，希望通过这次金融大模型及工具集的发布，以及金证股份在AI领域积累的经验，能够真正为金融行业创造价值，助力金融行业客户跃上一个新的台阶。 在2020年至2022年期间，金证股份在人工智能领域进行多方面努力，在智能风控和智能文档领域取得了突破。今年，金证股份联合金证优智自主研发的金融大模型K-GPT由金融认知智能技术、搜索技术和金融智能文档处理技术共同打造。其中，金融认知智能技术成功实现了从专业小型模型到专业大模型的转变，搜索技术实现了从金融搜索到金融语义搜索的跨越。 在与会嘉宾的共同见证下，金证股份举行金证金融大模型及工具集发布仪式，展示金证在金融AI领域自主研发的阶段性成果。会上，与会嘉宾还就“金融领域特定场景大模型的应用和发展趋势”进行深入交流和讨论，共谋金融AI新生态。 未来，金证股份将保持创新、开放和合作的精神，携手行业合作伙伴在人工智能领域不断优化、创新，共同推动人工智能在金融行业更深入、更广泛的应用，推进金融行业数字化进程。（朱先妮） 股市回暖，抄底炒股先开户！智能定投、条件单、个股雷达……送给你>> 海量资讯、精准解读，尽在新浪财经APP

转自：上观新闻 人工智能尤其是AI大模型技术如何在金融垂直领域应用落地？日前，上海交通大学上海高级金融学院（SAIF）与粤港澳大湾区数字经济研究院（IDEA）联合研发出“金融知识大模型”，并发布“金融试题解析”“金融分析计算”和“金融事件分析”三大功能。仅就其金融知识库而言，就囊括了超过20万篇研报、3000万篇新闻资讯。 最新测试结果表明，金融知识大模型的“垂类”性能突出。不仅在主流金融测试集FinEval上全面超越了现有的主流大模型，而且在金融领域的重要考试方面成绩喜人——譬如，在注册会计师全国统考CPA考试中，全面超越现有的主流大模型，包括GPT3.5和GPT4；在国际通行的金融投资从业者专业资格认证CFA考试中，则全面超越了主流的中文大模型，在大部分科目上跟GPT4互有胜负。 此次“模拟考”在现场演示了3个场景。第一个场景是求解注册会计师考试CPA例题。CPA题目相对简短，金融知识大模型就定位题干关键词对应的知识点，还针对知识点检索做了特定优化。第二个场景是解答较为复杂的CFA二级分析计算题。金融知识大模型的求解过程，经过OCR图表识别和STEM剪枝过程，以便精简题干。 第三个场景更具时效性，即针对“2023年中央金融工作会议”的公报内容作深层次的信息检索和归纳整理。由此，金融知识大模型构建了以“2023中央金融工作会议”为问题主体的思维导图，并生成了与其相关的子问题。通过意图识别选取相关的子节点，对金融知识库、资讯库进行信息检索，实现最终内容生成。 粤港澳大湾区数字经济研究院数字金融首席科学家林舟驰表示，“金融知识大模型”面向金融教育、金融咨询与金融分析这3个主要场景，以金融知识检索、知识问答、信息抽取、意图识别、代码智能和工具调用等能力为支撑。从CPA到CFA的金融试题解析方面，大模型通过题干关键词进行背景知识搜索、相关案例搜索和相关例题搜索，能够根据需要解答问题、对答案进行分析或答疑。 林舟驰博士解读认为，其背后以金融知识库+大语言模型为底座，取代了传统的单一语言模型底座架构，再搭配金融、教育、咨询场景的高质量语料进行模型预训练，形成了思维图谱推理技术。这种思维图谱推理技术，能在某种程度上把大模型的推理过程白盒化，通过知识的归纳整理，形成思维图谱，逐点逐层解决一个现实中的金融问题。 值得一提的是，当推理过程不再是“黑盒”，CPA、CFA考试的两个场景中，会计及金融专业学生也可以以交互式学习方式，获得答案的解析以及针对题干内容的答疑，革新了传统的人机教培方式。 在知识+模型的底座基础上，沪粤研发团队还开发了一系列面向现实场景的工具接口，例如金融信息抽取，可在海量研究报告与新闻材料中抽取有价值的金融常识、金融主体和关系信息，以及金融事件各类观点等等。这些金融信息都被AI解析，并被吸收成为金融知识库的一部分，服务于各类顶层任务。 研发双方达成战略合作。 目前，这款大模型采用了来自金融教科书、企业财报、企业研报、新闻舆情、法律案例和政府报告等超过160G的高质量金融文本进行增量预训练，还通过30多万条衍生于金融公式、金融试题、金融代码、金融问答、金融表格和金融知识图谱等的高质量指令数据进行有监督微调，有力保证了大模型最终输出内容的可靠性和可控性。 据悉，目前金融知识大模型还未对外开放，其未来计划的第一阶段，主要以上海高级金融学院的业务场景为落点，在业务中“跑”起来并不断迭代，逐渐在更大范围落地。 图片来源：受访高校 题图说明：金融知识大模型在沪发布。 海量资讯、精准解读，尽在新浪财经APP

2024年3月26日，中国领先的供应链金融科技解决方案提供公司联易融科技集团（09959.HK，以下简称“联易融”）发布2023年业绩公告。2023年公司总收入及收益达8.7亿元；其中，公司2023年下半年收入及收益达4.8亿元，同比增长15.2%。联易融全年累计资产处理规模达3,220亿元，同比增长24.2%，并服务了超过1,800家核心企业及金融机构，截至年末累计助力超过25万中小微企业享受了高效、便捷的数字普惠金融科技服务。公司保持着稳健的财务状况，现金储备达48亿元。 公司宣布了新的股东回报计划，拟通过现金分红和股份回购的方式持续增强对股东的资本回报。联易融董事会建议派发每股0.1港元的特别股息，合计约2.3亿港元；此外，基于对公司未来发展前景和持续增长的充分信心，董事会宣布拟进行金额最高达1亿美元的股份回购计划。 联易融作为供应链金融科技行业的领导者和先驱者，持续加大对科技创新的投入，全面推动产业生态协同高效发展，促进“科技－产业－金融”的良性循环。随着ChatGPT等AI大模型在全球引发热潮，人工智能从创新应用时代进入普及应用时代。联易融积极拥抱AIGC应用创新带来的行业变革机遇，通过整合开源大模型建立了自研的供应链金融GPT模型。 联易融在与一家外资银行合作中，率先将上述模型应用在AI智能审单科技项目中。通过AI大模型技术在供应链金融业务的深度应用，显著提升产业信息整合与交易分析的效率，实现智能化风险评估，进一步降低融资及运营成本。同时，联易融也将大模型技术应用于公司内部的客户管理、运营交付及软件开发等日常工作中，助力集团降本增效。 联易融积极探索区块链、大数据及隐私计算等前沿技术的应用。2023年，联易融顺利通过了全球软件开发能力成熟度CMMI 5级认证，并获评可信区块链推进计划“杰出贡献单位”。同时，联易融还获得了深圳市“专精特新”企业、“AI SaaS影响力企业TOP 50”、 “全球中小微企业金融奖”、《财资》年度“最佳数字化供应链金融解决方案”大奖等多项殊荣。

转自：企业观察网 4月28日,由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟和北京金融信息化研究所主办,清华大学人工智能研究院支持,全球金融科技大会系列活动「大模型金融应用创新与实践大赛」颁奖仪式圆满举办,深信服安全GPT入选十佳卓越奖! 作为此次「大模型金融应用创新与实践大赛」十佳卓越奖中唯一一个网络安全垂直领域的大模型,深信服安全GPT针对金融机构在网络安全运营中遇到的挑战,提供了创新性的解决思路。 此次大赛收到了来自39家机构的68份应用实践报告,经过前期初赛评审,共有25项应用实践入围终审。经过中国工程院院士柴洪峰、北京金融科技产业联盟理事长/工商银行首席技术官吕仲涛、中国金融电子化集团副总经理潘润红、中国银行业协会系统服务部主任赵成刚、深圳证券交易所人工智能专家杨振新、中科院计算机网络信息中心副研究员苟甜、百川智能联合创始人洪涛、中关村天使百人会理事长肖庆平共8名专家的最终评审,深信服安全GPT与工商银行、农业银行、建设银行、邮储银行、国泰君安和百度等头部银行与知名机构共同入围十佳卓越奖! 深信服安全GPT作为国内首个通过深度合成服务算法备案的安全大模型,可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作,秒级闭环、百倍提效,从检测能力和安全运营工作上赋能组织,对抗外部强敌。 检测能力远超传统设备和通用大模型, 大幅提升金融机构「威胁检测防御力」 金融机构信息系统复杂、网络边界分散、风险点位众多,风险暴露面大,对威胁检测防御能力要求高,传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎,赋能态势感知、端点安全等传统安全设备,具备对未知攻击的意图理解、异常判定、混淆还原能力,在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 流量威胁检出率高达95.7%,误报率低至4.3% 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等,将安全GPT推理性能提升50倍,实现了在实际网络环境中,针对实时流量的实时检测。 安全GPT检测大模型能够发现混淆、编码类高绕过流量,并针对Web漏洞有良好检出效果,具有较强Web 0day漏洞检测能力,同时针对攻击成功研判具有较高准确率。 安全GPT检测大模型能力架构 经过3000w黑样本与2000w白样本检测,对比传统引擎,安全GPT的检出率从45.6%提升至95.7%,误报率从21.4%下降到4.3%。在某部委实际测试中,25个高混淆数据包(可绕过传统引擎及通用大模型GPT-4),安全GPT检出率100%,覆盖Web通用攻击、通用组件漏洞攻击、混淆绕过攻击和国家级攻防演练出现过的0 day/N day漏洞。 钓鱼攻击检出率高达91.7%,远超传统解决方案 钓鱼攻击的难防在于,从技术角度看,钓鱼邮件与正常邮件无异,普通人难以识别,而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。 安全GPT 基于对自然语言的泛化理解能力,能够对邮件和文件内容背后的意图进行综合评估和研判,就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样,实现钓鱼事件的精准检测和处置。 钓鱼邮件识别方法 通过3万高对抗钓鱼邮件、100万白邮件检测,对比传统解决方案,安全GPT钓鱼攻击检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,效果超越传统方案数倍。 提效90%, 金融行业的安全运营「新质生产力」 随着金融行业数字化转型步入深水区,银行面临的网络安全数据规模和复杂性不断增加,在网络安全专业技术人员少,能力精力也存在瓶颈的前提下,如何对海量网络安全告警进行快速分析研判,定位真实攻击及高效响应处置?安全GPT给出了新的答案。 安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径,承载 80% 安全运营操作,将海量告警的分析处置过程压缩到数分钟内,赋能初级安全工程师在5分钟内对单一高级威胁进行闭环,将日常安全运营所花费的时间减少90%以上。 由于攻防的不对等,攻击者常在非工作时间进行攻击,安全GPT2.0智能驾驶提供7*24小时安全事件/告警自主值守,减少92%需多次手动的运营工作,平均威胁检测时间(MTTD)/平均威胁响应时间(MTTR)减少85%,运营人员1人即可守护数万资产。 深信服安全GPT运营大模型演进蓝图 截至目前,安全GPT已累计在130多家企业真实环境测试和应用,帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。 「大模型金融应用创新与实践大赛」充分展示了大模型在金融应用领域的创新实践成果,有效推动了大模型金融应用场景探索及生态建设,为数字金融和智慧金融的稳健发展提供了有力支持。 深信服认为,安全大模型仍拥有广阔的想象空间,除了检测大模型与运营大模型,未来会逐步孵化更多可应用于实际的场景,将会为金融行业的网络安全建设带来更多“领先一步”的效果与体验。 海量资讯、精准解读，尽在新浪财经APP

作者｜格林     出品｜新芒X 芝加哥大学的研究人员已经证明，大型语言模型 (LLM) 可以进行财务报表分析，其准确度可与专业分析师相媲美，甚至超过专业分析师。 该研究结果发表在题为“使用大型语言模型进行财务报表分析”的工作论文中，可能对未来的财务分析和决策产生重大影响。（论文地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4835311） 这个影响到底是什么？用一句话来总结就是，GPT-4通过在财务报表分析中展现出与专业人类分析师相媲美甚至更优的性能，以及生成有价值的叙述性洞察和交易策略，预示着它可能会在财务分析行业中发挥核心作用，从而颠覆传统的决策制定过程。 研究人员测试了GPT-4的性能，GPT-4 是由OpenAI开发的最先进的 LLM （大语言模型），用于分析公司财务报表以预测未来收益增长。值得注意的是，即使只提供标准化、匿名的资产负债表和没有任何文本背景的损益表，GPT-4 也能胜过人类分析师。 “我们发现 LLM 的预测准确度与经过严格训练的最先进的 ML 模型的性能相当，”作者写道。“LLM 的预测并非源于其训练记忆。相反，我们发现 LLM 可以生成有关公司未来表现的有用叙述见解。” 报告最后指出，最后，与基于其他模型的策略相比，我们基于 GPT 预测的交易策略产生了更高的夏普比率和阿尔法值。 综上所述，我们的研究结果表明，LLM 可在决策中发挥核心作用。 / 思路链提示模拟人类分析师的推理 一项关键创新是使用“思路链”提示，引导 GPT-4 模拟金融分析师的分析过程，识别趋势、计算比率并综合信息以形成预测。 GPT-4 的这个增强版本在预测未来收益方向方面实现了 60% 的准确率，明显高于人类分析师预测的 53-57% 范围。 研究人员总结道：“综合起来，我们的研究结果表明，大语言模型可能在决策过程中发挥核心作用。”他们指出，大语言模型的优势可能源于其广泛的知识库和识别模式和商业概念的能力，即使在信息不完整的情况下，也能够进行直觉推理。 / 尽管面临挑战，大语言模型仍有望改变财务分析 鉴于数值分析历来是语言模型面临的一大挑战，这一发现就更加引人注目了。 “语言模型面临的最具挑战性的领域之一是数值领域，模型需要进行计算、进行类似人类的解释并做出复杂的判断，”该研究的合著者之一 Alex Kim 说道。 “虽然 LLM 在文本任务上很有效，但它们对数字的理解通常来自叙述背景，它们缺乏深度数字推理或人类思维的灵活性。”...