在第二屆拯救者杯OPENAIGC開發(fā)者大賽中，涌現(xiàn)出一批技術(shù)突出、創(chuàng)意卓越的作品。為了讓這些優(yōu)秀項目被更多人看到，我們特意開設(shè)了優(yōu)秀作品報道專欄，旨在展示其獨特之處和開發(fā)者的精彩故事。

無論您是技術(shù)專家還是愛好者，希望能帶給您不一樣的知識和啟發(fā)。讓我們一起探索AIGC的無限可能，見證科技與創(chuàng)意的完美融合！

創(chuàng)未來AI應(yīng)用賽-高校組AI創(chuàng)新之星獎

作品名稱：大模型智能體在金融公告理解領(lǐng)域的應(yīng)用

參賽團隊：上海大學AI rookie

作品簡介

基于通義千問大模型，針對準確理解公告內(nèi)容的下游任務(wù)進行訓練和部署。使得模型能夠為信息檢索、風險監(jiān)控、市場分析等領(lǐng)域提供重要的支持和價值。

項目背景

主要解決通用大模型在專業(yè)領(lǐng)域知識不足、回答準確度低的問題。

以Qwen大語言模型為基礎(chǔ)，通過自定義數(shù)據(jù)集和模型微調(diào)技術(shù)，強化模型在金融領(lǐng)域的專業(yè)性和準確性。針對不同的用戶群體和需求，選用不同的技術(shù)路線以提高模型在金融領(lǐng)域的實際應(yīng)用效果。使用公告評測集對模型進行對比評價，確保模型性能的顯著提升。

核心技術(shù)和創(chuàng)新點

自定義數(shù)據(jù)集：使用GPT-4針對收集的無標簽公告數(shù)據(jù)進行分類并生成訓練數(shù)據(jù)，輔助大模型微調(diào)。

指令精調(diào)：參考不同應(yīng)用場景、實際任務(wù)的需要精心設(shè)計提示詞，使用指令精調(diào)的方式對Qwen大模型進行微調(diào)。

多種技術(shù)方案集成：根據(jù)不同用戶的需求，提供三種不同的應(yīng)用方案Agent方案、RAG方案以及微調(diào)大模型方案。

技術(shù)成果和突破

使用多維的答題路徑，將公告內(nèi)容成功轉(zhuǎn)化為可操作的業(yè)務(wù)流程模型。

金融公告的四類細致分化有助于模型理解不同類型公告的內(nèi)容和語境，節(jié)省TOKEN使用，每次任務(wù)計算資源減少63%。

通過LangChain框架，利用知識庫定位，減少幻覺和噪聲，事實錯誤率降低12%。

對模型的精調(diào)使得數(shù)據(jù)查詢和開放性問題回答能力都有相應(yīng)的增強，達到了41.76%的準確率提升。

未來發(fā)展

未來將引入更多的市場和行業(yè)數(shù)據(jù)，持續(xù)優(yōu)化InternLM和LangChain框架和算法，對公告類型進行進一步的細分，并搭建相應(yīng)的知識庫來提高速度與準確性。

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 大模型智能體在金融公告理解領(lǐng)域的應(yīng)用 | OPENAIGC開發(fā)者大賽高校組AI創(chuàng)新之星獎