AI助手资讯

中信证券上市公司交流会：谈谈生成式AI如何赋能金融变革### 近日，中信证券成功举办“人工智能与科技制造”论坛暨上市公司交流会，活动现场百融云创研发负责人发表演讲，分享生成式AI如何赋能金融业变革。 随着ChatGPT 横空出世，生成式AI突然成为了全球热点话题。对于信息化程度较高、数字系统较为完备的金融业来说，生成式AI所展现出的吸引力无疑更是巨大的。很多机构开展了积极探索，从最初的狂热到后来的冷静，人们的心情跌宕起伏，业务与技术的融合要比想象中要曲折。生成式AI要怎样才能在金融领域，更好地实现商用落地呢？ 01 从idea到商业化落地要闯几关 该负责人认为，在金融领域生成式AI从一个idea到商业化落地要闯好几关，“第一，需要有大量的数据和巨大的算力支撑；第二，需要有强大的AI开发应用平台，加快AI从验证到投产过程，使项目周期从‘年’缩短到‘月’或‘周’；第三、要保证隐私性和安全性；第四，AI生成的回答要足够精准；第五，整个生成流程要足够透明化。” 针对这一系列产业化问题，百融云创打造了一个AI中台，这个中台集数据集管理、模型的训练、模型的版本部署优化、以及上层的AI应用开发和托管平台为一体，将算力、数据、模型进行统一化、标准化管理，降低业务线接入AI的门槛。 AI中台具备精准、安全、透明可追溯几大优势，直指生成式AI产业化落地的核心问题。 精准 由于行业属性使然，金融产业对于隐私性、数据安全有极高的要求，模型生成的回答也必须十分精准。比如有用户来投保，保险企业利用生成式AI作为客服，一旦在回答用户问题时产生错误，就会对理赔造成很多麻烦。 为了减少幻觉，提高准确率。百融云创AI中台通过RAG技术外接外部数据库，大幅提升模型的表达能力和预测性能，精准性也得到大幅改善。 安全 隐私和数据安全是金融机构的生命线。百融云创的AI中台打造了安全防护机制，搭建了一个安全防护的中间层。 “我们从用户问题输入和模型输出两个端点入手，进行检测和过滤，把一些不合适的提问和回答过滤掉，就像是在入口和出口设置安检系统，最大程度保证问答的安全。”该负责人表示。 同时，百融云创针对模型本身，也做了安全的评估框架。“我们做了大量的测试，检测模型本身可能存在哪些安全风险，实现对模型全生命周期的监控和管理。”该负责人表示。 透明、可追溯 一直以来，产业界很难完全信任AI的一个重要原因，就是它的“黑盒”模式，人们无法窥视神经网络内部的运作方式。金融产业事关人民财产安全，无法承受不可预测的不确定性。 从不可信任塑造可信任，需要整个作业流程做到透明化和可追溯。百融云创AI中台从三个维度来解决这一问题。 首先是知识库的构建。知识库可能来自金融机构内部结构化或非结构化的数据，AI中台通过模型去阅读、学习和理解这些文档数据，并进行嵌入、分块，从而构建知识库。当用户提问时，AI平台会结合RAG技术把与问题相关的知识检索出来，并提供给大模型，利用其语义理解能力，结合上下文最终生成问题的答案。 “这有一个案例，一个金融机构的客服，回答用户某个问题的时候，我们可以在内部清楚看到，这个问题的答案来自哪个数据库，充分保证透明性和可追溯性。” 该负责人表示。 其次，百融云创也会利用混合专家模型，将生成式AI跟很多传统的金融模型去结合，比如估值模型、评级模型、预测模型等，就好像汽车的智能驾驶和人工驾驶共同发挥作用，两者的结合将大大提升生成式AI的可靠性。 第三个层面，AI中台对所有应用的生成全栈可追溯、问题可复原。“假设我们在线上某个地方产生了一个问题，我们可以通过AIOPS分析出问题产生的原因、调用的模型，可以追溯bug产生的原因，然后进行问题的分析和优化。我们可以做到，30分钟内将问题复原。” 02 积极拥抱 ，逐步渗透 面对生成式AI这样的新技术，既要避免“短期高估”，也要避免“长期低估”。如果“短期高估”，容易导致一哄而上、盲目跟风；如果“长期低估”，一旦产生颠覆效应，就会错失发展机会。 该负责人建议认为：“对待生成式AI，金融机构可以采取积极拥抱，逐步渗透的态度。” 目前，百融云创采取内外联动，协同推进的策略，加速生成式AI的商业化落地。对内，AI中台用来降本增效；对外，则是扩大供给，创造增量。 对内，百融云创基于AI中台打造了AI员工、AI助手、BR-Coder等工具实现协同办公。该负责人表示，“我们把这些AI工具给到工程师、分析师使用，他们只需要给出一段自然语言的描述，AI工具就能自动生成代码，产生数据分析报表。目前，公司大概有10%的开发工作自动生成。” 对外，AI中台能有效扩大供给，创造增量。市场上，有些需求本身就存在，只是产品的供给不足，导致有些需求无法被有效激活。该负责人表示，“基于AI中台我们打造了对话大模型VoiceGPT，为财富、信贷、保险等场景提供服务，帮助客户完成营销运营、理财顾问、客户问答等工作。” 他在现场举了一个例子。在很多银行，用户资产要达到一定数字，可能是50万，才能享受到人工理财顾问服务。实际上，大量的客户没有这么多的资产，但他也需要理财顾问的服务，而很多银行就是因为无法满足这些客群的需求，导致潜在客户的流失。 VoiceGPT则有效填补了这一供给缺口，VoiceGPT每天可以进行3, 000万次的交流，为很多金融机构创造了资产运营的增量收入。不仅是线上，面对线下场景，百融云创还打造了精通多国语言的数字人产品。在购物商场、 营业厅、银行网点或者机场，数字人能胜任客服、讲解、推广等工作，创造增量收入。 该负责人指出，我们要客观看待生成式AI能力的边界，不要陷入思维误区。产业落地是一个系统性工程，生成式AI不可能端到端全部都搞定，实际上它只能胜任一部分工作。而且，也不是非要出现一个颠覆级应用，才标志生成式AI的成功。 产业界应该保持客观和科学的态度，找准定位、制定目标，评估好自身资源，数据情况、人才情况、IT资源，实现技术、应用、合规、监管的全面融合，逐步推动AI落地。技术革命并非总是疾风暴雨声势浩大，有时需要在时间的淬炼中，慢慢显露其威力。

原标题：15万张消费券、AI客服和区块链：咖啡节背后的金融力量 优惠券、信用卡、金融科技轮番上场，银行通过金融创新服务，助力上海打造“世界咖啡之都”。 “不愧是咖啡之都，咖啡展出的商铺一眼望不到头！”在逛完徐汇西岸滨江的咖啡市集后，一位网友如是感叹道。 近日，2024年上海国际咖啡文化节开展系列活动，吸引了各地咖啡爱好者的目光。活动期间，银行也推出各类优惠和服务，优惠券、信用卡、金融科技轮番上场。 未来，银行如何更好助力上海打造“世界咖啡之都”？专家指出，银行可以通过金融创新更好地融入本地社会活动。对外支付业务方面，可以从商户支持拓展、用户支付体验等方面入手，通过产品功能的打造，为用户提供区域性的一站式综合金融生活服务。 罗葛妹摄 银行助力“咖啡节” “在上海，品世界”。 近日，在上海市各区的活动接力下，2024年上海国际咖啡文化节正如火如荼地展开。作为“五五购物节”15大标杆活动之一，今年的咖啡节吸引了多家咖啡品牌参展，无论是“五一”期间人山人海的徐汇滨江西岸主市集，还是刚刚在虹桥国际咖啡港开幕的系列活动，其后都少不了金融力量的支持。 例如，在滨江咖啡市集上，游客可以享受到建行上海市分行与多家知名咖啡品牌联手推出的“1元起喝咖啡”活动和绑卡支付的各类优惠，如果办理了新近推出的“魔咖信用卡”，还有微信立减金、折扣等礼遇。 对于境外游客和展商，“支付不见外”成为一大亮点。“我们为活动现场的咖啡商户配备了支持外卡支付功能的POS机，方便境外游客支付。”建行上海市分行的工作人员向记者介绍道。 在静安区的节庆活动中，静安区文化旅游局联合中国银联、中国农业银行、上海银行和泰隆银行共同发放了近15万张“满9.9元减5元”和“满19.9元减10元”的咖啡消费券。 金融科技的助力也不容忽视。在虹桥国际咖啡港的系列活动中，建行上海市分行与虹桥品汇共同推出互联网平台，为咖啡产业链各主体提供“从种子到杯子”一站式线上服务，引入AI客服和和区块链技术等金融科技应用助力构建咖啡产业的“上海标准”。 “咖啡节的举办，可以看作是城市品牌形象塑造工作中的一项重要举措，背后涉及的元素较为多元，既有文化传播，也有消费促进、商户支持等。”素喜智研高级研究员苏筱芮表示，“银行在此次咖啡节中发挥了金融侧的支持力量，既可以从C端来打造咖啡相关元素的产品，优化相关的金融服务，也可以从B端商户渠道入手建立合作，包括营销运营合作、资金合作等。” 光大银行金融市场部宏观研究员周茂华认为，银行提供咖啡节特定场景金融服务，满足消费者体验式消费需求，释放消费潜力，同时加强商家合作，可以促进行业及产业链发展，活跃区域经济。 打造“咖啡之都” 不经意间，在上海这座快节奏、国际化的大都市中，咖啡已经成为不少人的生活必需品。 早间提神的冰美式、午后香醇的热拿铁、灵感百出的花式特调……咖啡不再是一种舶来的时尚单品，而是一种悠闲美好的生活方式。云南小粒咖啡源源不断地输入上海、咖啡市集上涌现的中老年客群、上海正营业的9000多家咖啡店，无不展现着一颗颗棕色的小豆子对人们生活的影响力。 “这次参与活动的人流量很大，许多客人会主动询问咖啡的信息，品尝后也往往会带些产品回家。活动现场使用银行推出的优惠券的客人非常多，我们会直接为他们核销。”知子罗咖啡专卖体验店的一位工作人员告诉记者，“整个云南咖啡展区的销量都很不错。咖啡节期间，云南展位的日均营业额大多都在6000元至10000元，消费人群大多为中年以上的客人。” 咖啡文化是一扇“走出去、引进来”的窗口，在上海擦亮“咖啡之都”这一新名片的过程中，银行如何更好地提供助力？ 上海交通大学高级金融学院副教授李楠对记者分析指出，从宏观经济视角来看，对于上海咖啡节以及其他社会生活符号而言，银行的核心作用是能否提升消费便利。 “消费便利应该包括两方面，一方面是为上海的咖啡爱好者提供消费便利，即‘促消费’；另一方面是给上海有喝咖啡习惯的外国人提供消费便利，即‘国际化’。因此，对于上海咖啡节而言，银行通过金融创新融入本地社会活动，既有助于银行获客、推广业务，也有助于提升消费，强化城市的国际化形象。” “银行业务与各类社会生活的密切联系，更多体现于提升消费便利、刺激消费欲望，客观上起到了促进消费的作用。在助力城市名片方面，银行可以嵌入的方式方法很多。例如，目前银行的现金业务比重越来越低，银行大堂也逐渐具备了改造条件。银行可以改造网点，打造‘咖啡银行’，与咖啡店互通积分、实现获客渠道共享等。此外，银行还可以将支付方式与交易内容、交易场景更好地结合。”李楠建议道。 苏筱芮也提出建议，银行的对外支付业务可以从商户支持拓展、用户支付体验等方面入手，不断提升支付效率，也可以考虑将支付服务融入生活圈子，通过产品功能的打造，为用户提供区域性的一站式综合金融生活服务。 记者 李若菡 编辑 姚惠 责任编辑 孙霄 —— / 好文推荐 / —— “从企业的加油站变为同行者” 探访“混合养老” 中美应“做伙伴，而不是当对手” 美财报季的AI看点 A股五月“开门红” 问界“甩锅”，博世“拒收” 点亮“在看”，你最好看！(*╯3╰)返回搜狐，查看更多 责任编辑：

本报（chinatimes.net.cn）记者付乐 冉学东 北京报道 当前，消费金融与大模型的结合正在改变着传统金融服务的面貌，深度优化了客服、营销等关键环节。《华夏时报》记者统计发现，在31家已开业的消费金融公司中，已经有海尔消费金融、马上消费金融、招联消费金融发布了大模型相关应用。 海尔消费金融与火山引擎5月10日共同成立金融大模型联合创新实验室，构建起消费金融垂直大模型，并在精准营销、智能客服、贷后管理、风控等业务场景中持续探索大模型的创新应用。 5月11日，素喜智研高级研究员苏筱芮对《华夏时报》记者表示，当下垂直大模型是重要趋势，一方面可以与消费金融公司自身业务紧密结合，促使大模型的应用更具针对性。另一方面，垂直大模型的训练以及调优等更加精准，能够为消费金融公司的营销、风控等具体流程持续赋能。 共建消费金融垂直大模型 在消费金融领域，通用大模型存在精度不够、金融知识缺失，以及难以满足消费场景中定制化需求等难题，限制了模型在风险评估、信用评分、个性化推荐等关键业务场景中的应用。 与基础大模型相比，针对特定业务场景进行优化的垂直大模型在特定范围内的表现更为出色，正在推动大模型技术应用从边缘业务向核心业务迈进。 “将加速大模型技术在公司业务中的应用落地，提升服务的数智化水平和竞争力。”海尔消费金融表示，基于字节跳动自研大模型精调，消费金融大模型具备迭代速度快、模型能力丰富、模型效果增强等特点，能够满足海尔消费金融90%以上的智能化场景需求。 以信贷资产管理为例，在大模型的辅助下，资产管理人员能够更准确地识别用户意图，提供更加精准、及时的服务体验。利用大数据分析，整合如交易记录、宏观经济指标等数据，构建更精准的信用评分模型预测违约概率。 此外，在消费金融的贷前、贷中、贷后管理中，大模型覆盖了从风险评估到客户服务的全过程，助力消费金融机构更加有效地控制风险。 贷前，大模型通过分析申请人的历史交易数据、收入水平等信息，评估申请人的还款能力和意愿，辅助金融机构做出贷款审批决定；贷中，基于借款人实时的信用表现，大模型动态调整信贷额度；通过分析贷后数据，大模型调整贷款组合的风险结构，提高资金使用效率。 提升服务可得性与用户体验 当下，消费金融与大模型的结合是大势所趋，为用户带来了更多选择和更好的体验。记者盘点了31家已开业的消费金融公司，发现已有海尔消费金融、马上消费金融和招联消费金融发布了大模型相关产品，应用场景包括智能客服、智能营销等领域。 去年8月，马上消费金融推出零售金融大模型“天镜”，覆盖了客服、营销、风控等场景，其营销效果提升了30%以上。在企业知识库的应用中，知识产出效率提升了150%，大幅度提高营销物料的生产效率。在与重庆某银行的合作中，大模型驱动的智能营销能将人工成本降低80%以上，产能是传统人工产能的6倍以上。 在智能客服领域，消费金融业务小额分散，因此对智能客服提出了更高要求。但在实际应用中，智能客服常因“答非所问”饱受质疑，随着大模型的出现，智能客服不智能表现有望改善。 当前，“天镜”已经应用到智能语音助手、辅助人工坐席决策等多个环节，具备语言理解、数据分析、自主学习和智能推理能力。在客户服务过程中，“天镜”可以直接提供针对用户提问的差异化话术，具备生成端到端的对话能力。在处理贷后等场景中，大模型克服传统AI技术理解复杂专业知识的短板，结合对话上下文、历史数据、业务场景等识别用户意图，提升服务效率和用户体验。 11月，招联消费金融发布大模型“招联智鹿”，该模型能发现潜在问题并提供相应的解决方案。经模拟测试，相比人工作业，使用“招联智鹿”进行文本标注与生成的效能可提升百倍，进一步助推降本增效。 以客服场景为例，“招联智鹿”可结合具体会话状态与服务场景，定制回复话术，助力客服工作提质增效，节约时间成本近80%。据了解，该模型未来将应用于更多细分场景，如风控管理、代码生成、运营提升等，并在“智能体”技术、仿真模型、科技向善等方面持续探索。 谈及未来消费金融大模型的发展趋势，苏筱芮认为，一是在智能营销方面，有助于为产品、服务分类推介，提升营销效率；二是在搭建企业知识库方面，能够不断丰富企业内容；三是在智能客服方面，能够进一步加深在特定语境下对客户需求及疑问的理解；四是为授信等风控领域提质增效。 责任编辑：孟俊莲 主编：张志伟

原标题：2024年AI金融新纪元报告：赋能金融，AI开启新时代 今天分享的是：2024年AI金融新纪元报告：赋能金融，AI开启新时代（报告出品方：东吴证券） 回顾与展望“科技+金融”三个时代:1)金融信息化:科技替代体力劳动。信息传播的速度和广度大大提高，大量的人工作业电子化，但受限于时代条件，互联网金融领域仍处于起步阶段，但打下了信息化趋势的基础。2)互联网金融:科技延伸人类触角。大量信息科技公司利用信息传播的速度和广度大大提高大量的人工作业电子化利用网络技术汇集海量用户和信息变革传统金融渠道，和讯网、金融界、证券之星等垂直财经网址厚积薄发，而在移动互联网时代,依托流量实现金融业务中的资产端、交易端、支付端、资金端的互联互通，东方财富、同花顺和华泰证券大放异彩。3)AI金融:科技辅助脑力劳动。大量原有的金融业务通过大数据、云计算、人工智能、区块链等新技术来改变传统的金融信息采集来源、风险定价模型，金融科技资金投入年均复合增速快，非银金融机构技术资金投入占比逐年提升，金融AI大模型引领金融科技范式将迎来变革。 AI助力金融存量业务增长+开拓新机遇:1)AI助力金融业务降本增效，降低风险成本。A!技术在金融行业中的应用可以显著降低人力成本并提高收入;AI在提高基础工作效率、增强风控能力、优化客户服务和营销策略方面发挥着重要作用。2)1助力B端+C端产品多应用场景升级。A)技术的发展推动了智能投顾产品和金融信息终端的创新，这些产品通过提供个性化和精准的服务，提升了市场交易活跃度，并为金融行业带来了新的业务增长点。3)AI促进金融行业存量业务增长。券商经纪业务、两融业务、投行业务、投研和投顾业务将有所受益。 报告共计：32页 以下为报告节选内容 报告共计：32页 中小未来圈，你需要的资料，我这里都有！返回搜狐，查看更多 责任编辑：

来源 | 九卦金融圈 编辑 | 武文 张云迪 美编 | 杨文华 据报道，5天注册用户超100万，月活破亿用时仅2个多月……一举成为历来所有互联网应用程序中积累用户最快的No.1。 2月7日晚间，火爆的ChatGPT再次因访问量激增而宕机，多位网友尝试更换浏览器访问ChatGPT，都表示登陆不上，且收到“满负荷运转”的提示。 微软投资的人工智能公司OpenAI开发的聊天机器人ChatGPT最近超级火爆，不光人工智能再度成为了全球最热的词汇，机构散户投资者纷纷押注科技领域。 有报道称，美国89%的大学生使用ChatGPT写作业，有美国议员借助ChatGPT写国会发言稿，ChatGPT的应用之一就是搜索功能，有人预言，ChatGPT有望重塑，甚至取代传统互联网搜索引擎。 Gmail创始人Paul Buchheit近日就在推特上表示，像ChatGPT这样的AI聊天机器人会像搜索引擎杀死黄页一样摧毁谷歌。 这下，不光谷歌，连微软、苹果、百度们都急了！不光巨头们着急，普通人也纷纷在问，人工智能都能自己进行内容创作了，那画家、作家、翻译、记者、金融从业人员等职业，将来是否都会消失？ “ChatGPT火爆，巨头们都慌了！” 据报道，在2月1日Meta的财报会议上，扎克伯格就将生成式AI提升为今年关注的最大主题之一；微软近期更是被爆追加近百亿美元投资，同时抓紧时间进行自家产品的深度融合；苹果也不甘落后，将于下周举行年度内部AI峰会。 据《纽约时报》报道，一份内部备忘录揭示，桑达尔·皮查伊参与了一系列探讨谷歌AI战略的会议，甚至推翻了内部众多团队的原有工作，并正在从其他部门抽调员工，以应对ChatGPT带来的威胁。 英国《金融时报》报道，谷歌已向AI初创公司Anthropic投资了近4亿美元，后者正在测试ChatGPT的竞争产品。据了解，Anthropic成立于2021年，创始团队正来自ChatGPT的开发商OpenAI。 有媒体进一步报道称，谷歌宣布将推出名为Bard的AI聊天机器人，与ChatGPT展开直接竞争。桑达尔·皮查伊也在其博客中发文介绍，Bard是基于对话应用语言模型（LaMDA）的实验性AI程序，目前已经开展测试，并在几周内向公众开放。 谷歌正在员工中测试Bard的部分功能，这是其应对ChatGPT的“红色代码”计划的一部分。包括名为“Apprentice Bard”的聊天机器人，以及可以以问答形式使用的新搜索桌面设计等。 苹果也很着急。有分析认为，苹果原本的语音智能服务Siri被ChatGPT“碾压”了，苹果需要找到能与之竞争的下一代产品。 据外媒此前报道，微软可能会将ChatGPT整合到Word、PowerPoint、Outlook和其他应用程序中，以便客户可以使用简单的提示自动生成文本，此举可能会改变超过10亿人编写文档、演示文稿和电子邮件的方式。同时有报道称，微软正准备通过ChatGPT背后的AI来推出新版必应（Bing）搜索引擎，微软或在搜索引擎中提供自然语言搜索结果，不再是链接列表。此外，微软还宣布将扩大与ChatGPT所有者OpenAI的合作关系，将向后者进行“多年、数十亿美元”的投资。 金融人会不会“饭碗不保” 除了科技巨头的集体“发慌”，大部分打工人，包括金融人也开始担忧自己会不会“饭碗不保”。 ChatGPT主要是能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，并协助人类完成一系列任务，因此极大提高了人们办公、学习的效率。 不少人试用后认为，这款AI语言模型能让撰写邮件、论文、脚本，制定商业提案，创作诗歌、故事，甚至敲代码、检查程序错误都变得易如反掌。 对于ChatGPT的火爆，有人认为，以前的人工智能，如AlghaGo等只能打败围棋大师，而现在的ChatGPT则渗透进了日常工作领域和生活世界，这可能意味着我们的工作和生活将“切实地被改变”，甚至有些人会因此丢掉工作。 连公号大V胡锡进今日也发文认为，现在机器人已经可以帮着做作业，写格式化和专业化比较强的文章，比如新闻稿件，它能够为我们个人做的事情越多，意味着今后它可能夺去普通人的工作越多。 他个人认为，人工智能肯定会取代一部分文秘和创造性以及创新度不高的文化创作工作，这会倒逼人类为保住饭碗提高自己工作的不可替代性，从而让人的创造力形成新的质量飞跃。 根据最新MLIV Pulse调查显示，ChatGPT主要会威胁到金融、法律和计算机等行业的工作。 “营销数字化转型”公号作者腊阳的文章也认为，金融行业特别是银行业在大数据和AI应用相对成熟一些，ChatGPT和相关智能行业也可能很快会取代这些岗位： 1、客服人员、催收人员 几乎每个人都有过这样的经历：给一家公司的客服打电话或聊天，由机器人接听。而 ChatGPT的成熟会加快这个进展和趋势。 科技研究公司 Gartner 在2022年的一项研究预测显示，到2027年，聊天机器人将成为约25%的公司的主要客户服务渠道。 2、金融分析师、交易员 像市场研究分析师、金融分析师、个人财务顾问和其他需要处理大量数字数据的工作，都会受到人工智能的影响。 其实很多工作是自动化的，像机器人一样工作、做各种Excel表格，但现在可以让人工智能来做这些。 在信贷风险模型方面，ChatGPT...

📈 大模型技术在金融领域的应用正迅速发展，预示着智能金融新时代的到来。🤖 金融行业通过大模型技术提升工作效率，优化决策过程，增强客户服务体验。🌐 国内外金融科技企业积极探索大模型应用，推动金融服务的国际化发展。🛠️ 金融领域大模型面临专业性、情境理解、合规性等挑战，需针对性技术优化。📚 金融大模型的评测框架需结合业务合规性、事实准确性、推理正确性等多维度因素。🎓 金融大模型人才需求激增，教育体系需调整创新以培养跨学科复合型人才。🔍 金融大模型的应用实践案例展示了评测的具体步骤和实际业务应用效果。🌟 跨界合作与持续学习机制成为金融大模型人才培养的关键，以适应不断变化的市场需求。 专知便捷查看 便捷下载，请关注专知公众号（点击上方蓝色专知关注） 后台回复或发消息“BMFS” 就可以获取《大模型在金融领域的应用技术与安全白皮书2024》专知下载链接 点击“阅读原文”，了解使用专知，查看获取100000+AI主题知识资料

我们来继续关注大模型相关的技术进展，来看看两个有趣的工作，一个是关于大模型用于股票金融分析，其中用到了RAG。另一个是大模型用于图表理解，最近在做相关的工作，所以也一并整理出来，供大家一起参考并思考。 一、大模型+RAG用于股票金融分析框架Stock-chain‍‍‍‍‍‍ 我们来看看一个RAG来做金融分析任务。金融分析任务主要包括两个关键领域，股票走势预测和相应的金融问题解答。目前，机器学习和深度学习算法（ML&DL）已被广泛应用于股票走势预测，并取得了显著进展，但这些方法无法提供预测理由，缺乏可解释性和推理过程，也无法整合金融新闻或报告等文本信息。 而当下大型模型（LLM）具有出色的文本理解和生成能力受到广泛关注，但由于金融训练数据集的稀缺以及与实时知识的整合有限，仍然存在幻觉，无法跟上最新的信息。 例如上图所示，以金融分析任务为例，包括股票走势预测和金融问答。传统的ML&DL方法只能提供不确定的预测（涨/跌），没有任何依据，而原始的LLM可以提供预测分析，但没有任何帮助。 最近的工作 《AlphaFin: Benchmarking Financial Analysis with RetrievalAugmented Stock-Chain Framework》(https://arxiv.org/pdf/2403.12582.pdf,https://github.com/AlphaFin-proj/AlphaFin) ，该工作做了2件事： 一个是发布了用于微调 FinLLM的AlphaFin，其中包含传统研究数据集、实时财务数据和手写CoT数据。 另一个是提出了与RAG集成的Stock-Chain框架，该框架可以为投资者提供股票走势预测，并通过RAG整合实时市场数据和宏观经济新闻，从而完成股票分析，在具体实现上，其基于AlphaFin数据集对StockGPT进行微调，并将其集成到Stock-Chain框架中，并通过RAG进一步与实时金融数据库集成，以解决LLM输出的幻觉以及LLM无法生成实时内容的问题。 1、先看数据部分 如下图所示，数据集包括Research研究数据集、StockQA数据集、金融新闻数据集以及财务报告数据集四个部分： 其中： Research研究数据集：这部分包括来自学术界的传统金融数据集，包括FPB、FinQA、convFinQA以及Headline，以增强大模型的信息提取和总结能力。在这部分数据上，传统的研究数据集主要是英文的，而且数量很大。为了提升LLM们的中文能力，保证质量进行微调，只从源头抽取了一部分。 StockQA数据集：这部分包含来自Tushare和AKshare的股价和其他财务数据，使用顺序数据格式，例如股票价格趋势（例如{…,170,173,171,175,173,170,…}）。但鉴于源数据以顺序格式呈现，使用ChatGPT并按以下提示生成财务问题，以增强多样性，随后，我们使用ChatGPT生成回复并获取用于训练LLM的问答对，对应的prompt如下： Based on the …, give me a good financial question. Input: , Output: . 金融新闻数据集：为了向大模型提供真实世界的金融知识，整合了在线新闻来源，例如中央电视台和华尔街CN的金融版块，在数据处理上，使用Chat-GPT提取每条新闻的摘要，并构建财经新闻数据集，从而提升摘要能力。 财务报告数据集：通过DataYes构建财务报告数据集（DataYes，2021），包括机构对公司进行的专业分析和知识。在数据处理上，手动对齐公司的财务报告及其报告发布当天的股价，并使用以下模板生成最终数据，并还手动创建200份具有专业财务知识和较长标签的财务报告CoT数据，对应的prompt如下：  According to …  conclusions can be drawn:   1.  Fundamentals:  … 2.  Technical aspects:  …    Therefore, we predict the …  is    , probability:   2、再看架构部分Stock-Chain Framework 财务分析任务可以被视为两个对应部分，即股票趋势预测和相应的财务问答，因此Stock-Chain框架分为两个阶段，一个Stock Trend Prediction，另一个是Retrieval-Augmented Q&A，如下图所示： 第一阶段是股票走势预测，给定一家公司ci和相应的文档dj，该阶段通过结合LLM和AlphaFin数据集维护一个股票预测系统φ，给出股票趋势预测Predi。 其中： 对于第一阶段Stock Trend Prediction，任务很有趣，其给定一组公司C和相应的知识文档D，以预测涨跌： 其目标是从中找出一组能涨的公司子集C chosen: 这一步涉及到知识文档D的处理，在实现上，其给定一个公司ci，首先检索它的相关文档dj。然后，设计一个提示模板Prompt进行组装，例如： Please predict the...

网商银行高级工程师方珂认为，金融行业对安全、风险要求极为严苛，大模型应用仍然有很多问题需要解决。尤其是大模型会出现“幻觉”，如果错判了客户的经营情况，带来的将是真金白银的损失。作者：胡群 封图：图虫创意 2024年会成为大模型深度应用于金融领域的元年吗？解答这个问题，或许可以从上市银行2023年年报里一探究竟。 年报显示，多家大中型上市银行继续加码科技投入，特别是加快大模型技术研发和实际业务应用的步伐。 IDC中国副总裁兼首席分析师武连峰分析，从规划到实际落地应用，金融行业的大模型项目可能会经历一个相对漫长且审慎的周期，包括前期的计算能力准备、概念验证测试及必要的算力资源购置等多个阶段。 竞逐金融大模型 年报显示，工商银行在2023年度建立了行业内首个全面自主研发且具有千亿参数级别的AI大模型技术体系，并在多元金融业务场景中实现了创新性应用。 工商银行董事长廖林在该行2023年度业绩发布会上表示，工商银行在深化“数字工行”（D-ICBC）战略过程中，充分利用人工智能及大模型等前沿技术手段，有效促进了工商银行数字化生产能力和效率的提升。 建设银行年报显示，该行加强“三大中台”基础架构建设，并启动“方舟计划”，推动金融大模型的建设和实际应用，建立常态化的数字化经营管理模式。 农业银行在年报中透露，该行通过成立人工智能创新实验室加快推进大模型技术的研究和培育工作。 中国银行则在年报中展示了其在智慧安全防护、网点运营等方面的计算机视觉技术应用，并开始试验大模型技术在内部知识服务、自动化编程辅助等场景的可行性。 邮储银行年报显示，紧随大模型在金融领域的应用潮流，该行正在研发测试、运营管理、客户市场营销、智能风险控制等多个层面积极开展大模型技术的探索与实践。 部分上市银行大模型研发、应用进展情况 来源：上市银行年报 年报显示，大中型银行正在不断加大科技投入。六家国有大型商业银行的信息科技总投入已连续三年超过千亿元，其中2021年为1074.93亿元；2022年为1165.49亿元；2023年为1228.22亿元，较2022年增长5.38%。 具体来看，工商银行、建设银行、农业银行、中国银行、交通银行、邮储银行在2023年的科技投入分别为272.46亿元、250.24亿元、248.50亿元、223.97亿元、120.27亿元和112.78亿元，同比分别增长3.90%、7.45%、7.06%、3.97%、3.41%和5.88%。 在全国性股份制银行中，招商银行和中信银行在2023年的科技投入超过了交通银行和邮储银行。其中，中信银行的2023年信息科技投入为121.53亿元，同比增长38.90%，占营业收入的5.90%。 招商银行、平安银行和光大银行在2023年的科技投入比上年有所下降。其中，平安银行的科技投入已经自2021年以来连续三年出现下降。年报显示，该行2021年IT 资本性支出及费用投入为73.83亿元，2022年IT资本性支出及费用投入为69.29亿元，2023年IT资本性支出及费用投入为63.43亿元。 数据来源：上市银行年报 萨摩耶云科技集团创始人、董事长兼首席执行官林建明告诉经济观察网，大模型的出现为银行数字化转型注入了强大且更为直接的新动能，但目前金融大模型的应用能力仍处于初级阶段。 该集团是国内独立云服务科技解决方案提供商。林建明称，从银行2023年年报披露的信息来看，近年来大多数银行都在加大科技投入，其中金融大模型成为科技投入的重点之一。对于大多数金融机构而言，自建大模型并不现实，调用通用大模型叠加金融专业领域的数据，可以使模型更加符合金融行业的特点和要求，提高模型在金融领域的适应性和准确性。 离广泛应用还有多远 当前金融大模型主要应用于一系列内部业务环节，如知识检索与智能答疑、编程辅助、客户服务热线智能化、自动化文档编写、复杂数据分析、精准营销材料自动生成等试点项目。 网商银行高级工程师方珂认为，金融行业对安全、风险要求极为严苛，大模型应用仍然有很多问题需要解决。尤其是大模型会出现“幻觉”，如果错判了客户的经营情况，带来的将是真金白银的损失。因此，在网商银行大雁系统实际应用中，大模型绘制的产业链图谱会向风控系统提供客户识别、经营评分和画像，但最终小微经营者获得的贷款额度，仍然是风控系统多维度交叉验证的结果。 微众银行数字金融发展部负责人姚辉亚告诉经济观察网，从技术和应用层面来看，生成式AI优势在于创造力，但副产品是不可避免地带来幻觉现象，而金融行业的大多数场景往往需要追求准确性和可解释性，比如要求能对风险进行精准定价与管理，向客户推荐适当的产品，并明确揭示风险。基于两者特性的交集，适配的应用场景是让大模型和生成式AI成为员工的助理，在赋能员工提高效率和创造力的同时做好兜底判断，而非直接让大模型直面客户提供服务。 姚辉亚认为，当前国内金融机构在大模型领域的核心竞争力集中在应用层，通常是基于内部的专有数据，选择合适的基础大模型基座进行精调，形成垂直行业场景的大模型应用。由于基础大模型的技术迭代较快、不同场景适用不同路线的基础大模型、硬件的国产化兼容性不足等挑战，目前较缺乏能支持一站式工作、模型可插拔的工程化平台。微众银行正在集中力量，打造全行统一的AI工程化平台，构建AI原生科技能力，期望实现模型可插拔、成效可度量、模型生命周期可管理、运算资源可调配、编程可视化（低代码）等特性，赋能内部各业务团队在应用层百花齐放，提升自动化与智能化水平。 林建明判断，如果将大模型的能力放在金融行业中去处理原有的任务，会对很多工作产生颠覆性的影响。相比现有的AI技术，大模型技术有望在金融风险管理、量化交易、个性化投资建议、金融欺诈检测和预防和智能客户服务等场景具有广泛的应用潜力和影响力。尽管大模型技术在许多领域展现出巨大的潜力，但在金融领域的应用仍处于起步探索阶段。 林建明认为，金融行业是数据密集型行业，涉及海量的金融数据和复杂的金融业务。金融数据包含敏感的个人和机构信息，而大模型需要大量的数据进行训练和应用。因此，确保数据隐私和安全成为一个重要的挑战。另外，金融行业是一个对于模型的可解释性和鲁棒性（系统或算法在面对不同的环境和条件时，仍能保持稳定和可靠的能力）等要求非常高的行业，而大语言模型当下输出结果的可解释性目前是相对封闭、不透明的，同时，其稳定性也仍然受到数据、算法、训练等方面的干扰，表现出非鲁棒性的特征。 武连峰说，尽管金融行业在大模型领域的投资强度显著增加，但由于金融业对合规性和风险管理的极高要求，在部署这类先进技术时必须确保与所有现行监管政策相符。 深交所喊话上市公司：胆敢不回，强制退市！国企“应战”新公司法：三个月内要改掉多年“老毛病”小户型不好卖了