百川智能发布全链路领域增强金融大模型Baichuan4-Finance
12月23日，百川智能发布全链路领域增强大模型Baichuan4-Finance。在高质量金融数据的基础上，通过行业首创的领域自约束训练方案，Baichuan4-Finance实现了金融能力和通用能力同步提升的效果，极大提高了金融场景的整体可用性。
FLAME-Cer评测结果显示，Baichuan4-Finance在银行、保险、基金、证券等多个资格认证领域的准确率均突破了95%，整体准确率93.62%，大幅领先GPT-4o和XuanYuan3-70B-Chat，超出GPT-4o近20%。GPT-4o是金融领域公认的综合实力最强的通用模型之一，而XuanYuan3-70B-Chat则是国内首个开源中文金融大模型。
在模型训练阶段，通过行业首创的领域自约束训练技术，百川智能实现了模型专项能力和通用能力同步提升的效果，极大提升了模型多元场景的可用性。而Baichuan4-Finance正是这一方案的最新成果，全链路金融领域增强让其既掌握了扎实的金融理论基础，又具备了丰富的多场景实践应用能力。
具体而言，Baichuan4-Finance的高质量金融数据集全面且严谨，既包含金融专业教材与学术著作、顶级金融期刊论文、监管机构政策文件、金融法律法规等核心专业金融知识数据，也覆盖了金融专业问答集、企业财报与年度报告、金融类研究分析报告等实践应用类数据，为提升模型金融能力提供了良好的底层支撑。
在此基础上，Baichuan4-Finance还在领域自约束训练过程中引入了更高精的通用数据，与高质量金融数据一起进行混合训练，最终实现了模型通用能力不下降，金融能力稳定增长的效果。
此外，百川智能在后训练环节也做了大量增强工作，如：通过合成数据、指令数据对模型进行有监督的微调；在强化学习策略中，针对数学计算等金融领域特别关注的场景进行样本增强等，进一步提升了模型性能。
值得一提的是，为了更好地助力金融企业将大模型应用到各种真实场景，百川智能还在官网发布了Baichuan4-Finance全链路领域增强的技术报告，详细阐述了包括“领域自约束训练”在内的各项技术细节。此举不仅将极大增强金融行业对大模型的认知，还将有效提升金融企业部署大模型的能力与意愿。
攻克了专项能力和泛化能力平衡问题这一模型落地应用的最大阻碍后，Baichuan4-Finance能够在效率提升、风控合规、客服、决策支持等诸多层面为金融行业带来全方位的价值提升。例如，它能够帮助金融从业者处理文档审核、客户咨询、产品营销等大量日常工作，还能依托深厚的金融专业知识和法律法规理解能力，为机构提供精准的风险识别和合规保障。此外，还可以凭借强大的数据分析能力为管理层提供专业的市场洞察和决策建议。
