在关于金融大模型的诸多讨论中,“落地应用”成了最终关键词。

对金融业务而言,精准与安全合规是任何技术得以应用的最大前提。因此,金融大模型的应用便绝非简单的“拿来主义”,需要在通用基础上结合业务需求反复精调,这也是当前金融大模型的主要发力点。

据腾讯研究院调研分析,国内参数在10亿规模以上的大模型数量已由5月末的79个增加至116个,其中金融行业大模型约18个。

作为AI云服务领航者,百融云创基于深度学习Transformer框架,结合NLP、智能语音等技术,打造了场景驱动的产业大模型——BR-LLM。百融云创自主搭建了大模型底层框架,通过深度微调能支持百亿级参数的训练。

百融云创大模型主要提供AI开发、智能交互、分析决策的三种服务能力。在开发端,不仅适用于金融机构不同开发能力的技术人员,也适用于非技术人员实现自动化开发。在交互端,提供语言理解、多轮对话、语言处理、文本生成“听、说、读、写”四种能力,适用于金融营销、客服等场景;在决策端,为金融全生命场景的智能决策提供更全面的信息,为决策效率的提升注入更为强大的动能。

百融云创大模型能够带来哪些产业惊喜?

在AI开发层面,百融云创大模型展现出强大的代码自动化生成能力。在金融机构中,传统的机器学习模型开发在某种程度而言是一种“手工作坊”的模式,一个场景一个模型,模型之间的经验也不能互相积累和复用。百融云创大模型的自动生成能力将颠覆这一现状,面向不同金融场景的业务诉求,百融云创大模型工程师只需要下达清晰的指令,用文字描述出需求,即能自动生成模型,极大提升机器学习的开发效率和生产模式。开发人员的角色也会随之发生变化,如果说此前开发人员只需要做好技术的工作,有了大模型的加持开发人员还要做好“提问者”的角色。

在智能交互方面,百融云创大模型能提供“真人级”对话效果,对客户的语音识别准确率可达到99%以上,每日进行超过亿级规模的自动交互。

同时,大模型还有“高人一筹”的表现。比如,当银行工作人员向客户推销金融产品时,客户问到一些如近十年某基金收益率这样的专业性问题,工作人员无法及时给出准确的反馈,客户可能就此流失。而大模型跨模态、跨语言的深度语义理解与生成能力,在处理复杂和专业性金融知识上,具有人工所不具备的能力。

在分析决策方面,以判别式AI为代表的小模型已经发挥重要作用,大模型的进场将进一步激发小模型的能量。

数字化转型的快速推进,使得银行内部形成了大量的非结构化数据,这对信息质量要求比较高的判别式AI而言是一片无法触及的领域。当训练的信息量超过一定阈值,大模型就会出现“涌现现象”,即“在较小的模型中不存在,但在较大的模型中存在的能力”。