议题说明：随着数字金融的加速发展，数据安全与隐私保护已经成为金融行业的关键话题。金融行业数据规模大、数据类型多、数字化基础强、市场规模大、客户付费能力强，是大模型应用落地的最优场景之一。在大模型的加持下，金融行业的智能化更强迎来新一轮的创新和加速。对金融机构...(more)

在LLM（大型语言模型)新时代的到来之前，我们通常会通过简单的微调来使用新数据扩展模型的能力。然而，如今我们使用的模型规模越来越大，训练所使用的数据量也随之增加，仅仅依赖微调已经无法满足大部分场景的需求。微调虽然在调整模型的语气和风格方面表现出色，但在向模型添加大量...(more)

议题说明：本议题旨在探讨大模型在信用评估、欺诈检测和客户服务场景中的微调策略，分析其共性与差异，以优化模型性能。对于企业而言，理解这些策略有助于更有效地利用大模型解决实际问题，提升业务效率。**议题主持人：苟志龙    某股份制银行    高级工程师主持导语：在本次...(more)

摘要：数据基础设施是银行数字化转型的重要支撑，也是支撑金融服务模式创新和转型发展的基石。随着金融科技的快速发展，金融机构业务系统越来越复杂，数据量越来越大，这给银行数据基础设施建设带来了挑战。银行应采用云计算、大数据、人工智能等新技术手段，建立大数据平台和大数据...(more)

随着人工智能技术的飞速发展，大模型技术已成为推动金融行业创新与发展的重要力量，已被广泛探索和应用。一.大小银行布局大模型工商银行通过构建基于大模型的智能研发体系，实现了编码助手自动生成代码，其中自动生成的代码量达到了总代码量的40%。此外，该行还在国内同业中率先将...(more)

在利用和应用大型语言模型（LLM）时，适当的Datasets发挥着至关重要的作用。Datesets（Datasets）为LLM提供了广泛的语言样本，能够帮助模型理解和生成高质量的文本内容。因此，通过选择质量高、多样性强且规模适宜的Datasets，可以提升LLM的性能和适应能力，以更好地满足各种语言任务和应...(more)

在机器学习（ML）领域，我们通常专注于针对特定指标进行优化，无论是特定的基准测试分数还是业务关键绩效指标。为了实现这一目标，我们通常会训练一个或一组模型来执行特定的任务。然后，我们会对这些模型进行微调和调整，直到性能达到令人满意的水平。然而，这种单一任务训练的方式往往...(more)

【摘要】作为新一代人工智能产业的核心动力，AI大模型广泛应用于各行各业，打开了迈向通用人工智能的大门。本文通过大模型相关技术背景、构建需求、实现原理、模型选型及工程实践等方面介绍了如何基于开源大模型快速构建本地知识库应用。通过分析大模型应用的存在的问题，提出...(more)

在当今语言智能领域，LLM已经成为AI时代的焦点所在。这种基于深度学习的语言模型能够理解和生成自然语言，展现出令人惊叹的语言处理能力。然而，要真正发挥LLM的最大潜力，掌握Fine-tuning方法便显得刻不容缓。Fine-tuning作为一种行之有效的技术，可以让我们在预训练的LLM基础之...(more)

一、引言随着人工智能技术的飞速发展，大模型在各行业中的应用逐渐崭露头角，成为引领变革的重要力量。大模型通过模拟人类大脑的神经元连接方式，展现出强大的感知、思考和决策能力，为各行各业注入了新的活力。本文旨在分析保险业大模型的应用场景及规划，以期为保险业的创新发展...(more)