張碧晨的《年輪》原唱身份被取消，背后的原因是什么？對(duì)職業(yè)生涯有何影響？
你認(rèn)為有哪些是城市「美」的細(xì)節(jié)？
東北大學(xué)參加實(shí)習(xí)的同學(xué)稱「浮選槽里是礦漿，類似于泥石流，人掉進(jìn)去動(dòng)不了」，礦漿是什么？為什么這么危險(xiǎn)？
DECO*27 - Cherry Pop feat. Hatsune Miku
魚羊發(fā)自紐凹非寺量子位|公眾號(hào)QbitAI
又到了一年一度“中國(guó)AI春晚”WAIC，各家大廠動(dòng)作頻發(fā)的時(shí)候。
今年會(huì)有哪些看點(diǎn)？你別說(shuō)，我們還真在扒論文的過(guò)程中，發(fā)現(xiàn)了一些熱乎線索。
比如螞蟻數(shù)科的金融推理大模型，發(fā)布會(huì)還沒(méi)開(kāi)，技術(shù)論文已悄咪咪上線。
金融領(lǐng)域的推理大模型，你可以理解為金融領(lǐng)域的DeepSeek，帶著SOTA的刷榜成績(jī)來(lái)了。
同樣是“杭州”背景科技公司，螞蟻數(shù)科。
不僅在各項(xiàng)金融測(cè)評(píng)集上刷新SOTA，在MATH、GPQA等通用推理基準(zhǔn)中，也有比肩DeepSeekR1，GPT-o1等超大尺寸推理模型的水平。
而且論文也把技術(shù)細(xì)節(jié)全部公開(kāi)講清楚了。
嘿嘿嘿，留給螞蟻數(shù)科自己發(fā)布會(huì)上當(dāng)新聞來(lái)講的東西，不多了。
模型出廠即專家
新模型名為Agentar-Fin-R1，一共有兩個(gè)不同參數(shù)版本：8B和32B。
螞蟻數(shù)科的研究出發(fā)點(diǎn)很務(wù)實(shí)，就是要突破大模型應(yīng)用在實(shí)際金融業(yè)務(wù)場(chǎng)景中遇到的行業(yè)問(wèn)題。
與通用場(chǎng)景不同，金融應(yīng)用在數(shù)據(jù)、幻覺(jué)和合規(guī)方面，有著更嚴(yán)苛的要求。核心面臨的挑戰(zhàn)有三點(diǎn)：
金融問(wèn)題的復(fù)雜性：涉及法規(guī)、風(fēng)險(xiǎn)和實(shí)時(shí)數(shù)據(jù)，AI系統(tǒng)必須具備快速學(xué)習(xí)和適應(yīng)的能力。通用大模型雖然會(huì)推理，但對(duì)專業(yè)術(shù)語(yǔ)、監(jiān)管細(xì)節(jié)常?！耙荒樸隆薄？尚哦群涂山忉屝裕航鹑跊Q策關(guān)乎重大利益，出錯(cuò)代價(jià)高。每一個(gè)推理步驟都必須透明可審計(jì)，確保決策過(guò)程的可信度和可解釋性。金融大模型評(píng)測(cè)集：業(yè)界缺少圍繞真實(shí)金融業(yè)務(wù)場(chǎng)景，驗(yàn)證復(fù)雜任務(wù)推理、智能體應(yīng)用等關(guān)鍵能力的金融大模型評(píng)測(cè)集。
針對(duì)于此，Agentar-Fin-R1基于Qwen3，從數(shù)據(jù)采集、訓(xùn)練框架、任務(wù)分類等角度出發(fā)，實(shí)現(xiàn)了針對(duì)金融任務(wù)的深度優(yōu)化。
從效果上來(lái)看，首先，Agentar-Fin-R1在所有金融評(píng)測(cè)基準(zhǔn)上——包括Fineva、FinEval、FinanceIQ和螞蟻數(shù)科全新提出的Finova——均達(dá)到業(yè)界最優(yōu)水平，超越業(yè)界開(kāi)源金融大模型，也包括GPT-o1、DeepSeek-R1等超大尺寸通用推理模型。
還做到了兼顧專業(yè)與通用，在實(shí)現(xiàn)金融專業(yè)化的同時(shí)，通用推理能力沒(méi)有明顯損失。
△Agentar-Fin-R1與Qwen3的對(duì)比
具體實(shí)現(xiàn)方法主要包括以下創(chuàng)新：
更專業(yè)全面的金融數(shù)據(jù)標(biāo)簽體系，讓模型“出廠即專家”；更高效的加權(quán)訓(xùn)練算法，大幅降低大模型應(yīng)用門檻；模型能力結(jié)合真實(shí)業(yè)務(wù)場(chǎng)景自主進(jìn)化
我們逐一詳細(xì)拆解。
更專業(yè)的金融任務(wù)數(shù)據(jù)標(biāo)簽體系
首先，訓(xùn)練行業(yè)大模型需要對(duì)行業(yè)知識(shí)進(jìn)行系統(tǒng)化的學(xué)習(xí)，
針對(duì)金融任務(wù)紛繁復(fù)雜的實(shí)際情況，螞蟻數(shù)科團(tuán)隊(duì)構(gòu)建了精細(xì)化的金融任務(wù)分類體系，覆蓋銀行、證券、保險(xiǎn)、基金、信托等全場(chǎng)景。并將復(fù)雜的金融領(lǐng)域任務(wù)分解為精準(zhǔn)定義的類別，比如“意圖識(shí)別”、“風(fēng)險(xiǎn)評(píng)估”、“合規(guī)檢查”等等。
基于千億級(jí)金融專業(yè)數(shù)據(jù)語(yǔ)料，再經(jīng)過(guò)專門設(shè)計(jì)的可信數(shù)據(jù)合成和CoT數(shù)據(jù)精標(biāo)，構(gòu)建了迄今已知最專業(yè)最全面的金融領(lǐng)域訓(xùn)練數(shù)據(jù)集。
這樣做的好處是，相當(dāng)于打造了一個(gè)“課程大綱”，來(lái)作為整個(gè)開(kāi)發(fā)流程的指導(dǎo)框架。
不僅能指導(dǎo)數(shù)據(jù)處理和訓(xùn)練工作流，還實(shí)現(xiàn)了系統(tǒng)化的任務(wù)向?qū)?yōu)化，確保金融推理場(chǎng)景的全面覆蓋。
多維度可信保障
以此為框架，對(duì)于垂直領(lǐng)域模型，最為關(guān)鍵的數(shù)據(jù)如何獲??？
螞蟻數(shù)科團(tuán)隊(duì)通過(guò)三個(gè)層次來(lái)確保數(shù)據(jù)的高質(zhì)量。
首先，是源頭可信。背靠螞蟻在金融領(lǐng)域的長(zhǎng)期積累以及真實(shí)數(shù)據(jù)，構(gòu)建專業(yè)全面的金融領(lǐng)域訓(xùn)練數(shù)據(jù)集，并供下游進(jìn)行可信的數(shù)據(jù)合成。
其次，是合成可信。引入可驗(yàn)證的雙軌多智能體協(xié)作數(shù)據(jù)合成框架，也就是讓多個(gè)AI智能體相互討論相互審核，來(lái)保證合成數(shù)據(jù)質(zhì)量。
最后，治理可信。通過(guò)人工抽樣標(biāo)注，基于自研獎(jiǎng)勵(lì)模型的打分過(guò)濾，去重、去污、去毒等全面數(shù)據(jù)處理，保證數(shù)據(jù)安全。
高效訓(xùn)練優(yōu)化
訓(xùn)練方面，螞蟻數(shù)科團(tuán)隊(duì)創(chuàng)新采用“加權(quán)訓(xùn)練”，以最大化提升數(shù)據(jù)利用效率及訓(xùn)練效率。
簡(jiǎn)單來(lái)說(shuō)，就是動(dòng)態(tài)分配訓(xùn)練資源，讓模型在較難的任務(wù)上多投入精力學(xué)，在簡(jiǎn)單任務(wù)上少花精力。
具體到數(shù)據(jù)效率方面，是通過(guò)難度感知加權(quán)訓(xùn)練框架來(lái)挖掘數(shù)據(jù)潛力，結(jié)合標(biāo)簽引導(dǎo)合成和智能選擇提升數(shù)據(jù)利用率。
在訓(xùn)練效率方面，則采用兩階段訓(xùn)練策略：
第一階段，先進(jìn)行知識(shí)全面注入，讓模型把金融知識(shí)吃透；第二階段，專挑最難、最弱的題目用強(qiáng)化學(xué)習(xí)+目標(biāo)微調(diào)，強(qiáng)化模型復(fù)雜推理能力。
除此之外，研究團(tuán)隊(duì)還構(gòu)建了全面的歸因系統(tǒng)，實(shí)現(xiàn)快速瓶頸識(shí)別和針對(duì)性改進(jìn)。
相較于傳統(tǒng)的SFT和RL，這種高效訓(xùn)練優(yōu)化策略不僅能夠縮短模型迭代周期、降低計(jì)算成本，更重要的是能夠快速響應(yīng)金融市場(chǎng)的動(dòng)態(tài)變化，確保模型在風(fēng)險(xiǎn)控制、投資決策、合規(guī)監(jiān)管等真實(shí)業(yè)務(wù)場(chǎng)景中，及時(shí)部署，自主“進(jìn)化”。
同時(shí)，這也是模型保留通用能力的關(guān)鍵所在。
Finova：更嚴(yán)苛的評(píng)估標(biāo)準(zhǔn)
值得關(guān)注的一點(diǎn)是，這次螞蟻數(shù)科不僅是在提升模型能力上下了功夫。為了驗(yàn)證模型在真實(shí)場(chǎng)景中的有效性，他們還在“考試題目”上下了功夫。
前文提到，在這項(xiàng)研究中，螞蟻數(shù)科自己提出了一個(gè)新的評(píng)測(cè)基準(zhǔn)Finova。
為什么要提新標(biāo)準(zhǔn)？原因很簡(jiǎn)單：現(xiàn)有的金融測(cè)評(píng)集，太簡(jiǎn)單了。
就像對(duì)于通用模型，人類專家們絞盡腦汁設(shè)置“人類最后的考試”，極限考驗(yàn)頂尖模型的性能，螞蟻數(shù)科也希望在金融領(lǐng)域，能面向?qū)嶋H部署，更準(zhǔn)確地評(píng)估模型的真實(shí)效用。
具體來(lái)說(shuō)，F(xiàn)inova是從智能體執(zhí)行任務(wù)能力、復(fù)雜推理能力、安全合規(guī)能力這三個(gè)真實(shí)場(chǎng)景中最受關(guān)注的維度，來(lái)對(duì)模型進(jìn)行考察，共包含1350道金融難題。
智能體能力評(píng)估
從實(shí)際業(yè)務(wù)需求出發(fā)，標(biāo)準(zhǔn)化評(píng)估金融智能體的核心能力：
金融意圖檢測(cè)：精準(zhǔn)識(shí)別投資咨詢、產(chǎn)品詢問(wèn)、風(fēng)險(xiǎn)評(píng)估等復(fù)雜金融場(chǎng)景中的用戶真實(shí)需求金融槽位識(shí)別：準(zhǔn)確抽取和結(jié)構(gòu)化“萬(wàn)能險(xiǎn)”、“科創(chuàng)板”等專業(yè)金融術(shù)語(yǔ)，構(gòu)建金融文本理解基礎(chǔ)金融工具規(guī)劃：智能解析用戶需求并推薦匹配的金融工具，如投資組合分析、基金對(duì)比等金融表達(dá)生成：基于多種來(lái)源的數(shù)據(jù)源綜合生成準(zhǔn)確可靠、嚴(yán)格符合監(jiān)管要求的專業(yè)金融表達(dá)
舉個(gè)例子，面對(duì)“能告訴我瑞士法郎兌加元現(xiàn)在報(bào)價(jià)多少，近期加元為什么跌得這么兇”這樣的問(wèn)題，模型理解用戶意圖為對(duì)“外匯”進(jìn)行信息查詢+分析解讀，識(shí)別“瑞士法郎”、“加元”等槽位，調(diào)用相應(yīng)查詢工具，最后綜合多種信息源生成回答。
復(fù)雜推理能力
深度整合金融數(shù)學(xué)計(jì)算、代碼理解和多步驟復(fù)雜邏輯推理，模擬真實(shí)金融決策場(chǎng)景：
涵蓋資產(chǎn)估值、投資組合優(yōu)化、風(fēng)險(xiǎn)分析等核心金融業(yè)務(wù)；考驗(yàn)?zāi)Ｐ驮跉v史數(shù)據(jù)分析、結(jié)果預(yù)測(cè)、復(fù)雜場(chǎng)景推理等方面的綜合表現(xiàn)。
在這方面，感受一下，F(xiàn)inova的真題如下：
某工業(yè)公司2024年4月的財(cái)務(wù)數(shù)據(jù)顯示：邊際貢獻(xiàn)總額為$60,000，凈利潤(rùn)為$25,000。預(yù)計(jì)5月份銷售量將同比增長(zhǎng)5%，假設(shè)公司成本結(jié)構(gòu)和固定成本保持不變。則該公司在此期間的經(jīng)營(yíng)杠桿系數(shù)（DOL）為_(kāi)_，對(duì)應(yīng)的凈利潤(rùn)預(yù)期增幅為_(kāi)_%（結(jié)果分別保留一位小數(shù)和整數(shù)位）。
安全合規(guī)驗(yàn)證
安全防護(hù)方面，識(shí)別和防范惡意輸入、數(shù)據(jù)泄露、系統(tǒng)濫用等安全威脅。
合規(guī)監(jiān)管方面，深度理解反洗錢法規(guī)、數(shù)據(jù)隱私保護(hù)、投資者保護(hù)、風(fēng)險(xiǎn)披露等多元化監(jiān)管框架。
可以看到，在Finova這個(gè)新基準(zhǔn)下，參與測(cè)試的模型評(píng)分相較于其他基準(zhǔn)都有明顯的下降，甚至得分幾乎砍半。
其中，螞蟻數(shù)科的Agentar-Fin-R1-32B達(dá)到了最高的69.93分，大幅超越了同尺寸金融推理大模型Dianjin-R1-32B（56.02分)，也超越了超大尺寸推理模型DeepSeek-R1（61.28分）和GPT-o1（60.46分）。
這進(jìn)一步凸顯了垂直領(lǐng)域模型在特定任務(wù)中的顯著優(yōu)勢(shì)。
螞蟻數(shù)科SOTA意外嗎？
從實(shí)驗(yàn)結(jié)果可以看出，Agentar-Fin-R1這樣的垂直模型，是行業(yè)賽道中的“隱藏王牌”，在實(shí)際應(yīng)用場(chǎng)景中往往能比通用模型更快落地、發(fā)揮作用。
這也是為什么——是螞蟻數(shù)科帶來(lái)了這次最新的金融行業(yè)SOTA模型。
有必然性，基因就在那里。作為螞蟻集團(tuán)的科技商業(yè)化獨(dú)立板塊，螞蟻數(shù)科長(zhǎng)期浸潤(rùn)一線，天然具備對(duì)金融場(chǎng)景更深度的行業(yè)理解和數(shù)據(jù)積累。
并且從2017年起，螞蟻數(shù)科已經(jīng)布局AI，致力于以AI技術(shù)深度重構(gòu)企業(yè)核心場(chǎng)景。
目前，在金融領(lǐng)域，螞蟻數(shù)科累計(jì)已服務(wù)100%國(guó)有股份制銀行，超60%城商行，以及數(shù)百家金融機(jī)構(gòu)，支持金融業(yè)的高效數(shù)智化轉(zhuǎn)型。
也有順勢(shì)而為的準(zhǔn)確趨勢(shì)判斷。
實(shí)際上，作為螞蟻數(shù)科的企業(yè)級(jí)智能體服務(wù)品牌，Agentar已經(jīng)成為螞蟻集團(tuán)在金融領(lǐng)域AI實(shí)踐的一個(gè)經(jīng)驗(yàn)輸出窗口。
Agentar鏈接數(shù)百個(gè)金融MCP，為金融機(jī)構(gòu)規(guī)模化應(yīng)用大模型提供強(qiáng)大的數(shù)據(jù)生態(tài)，并已聯(lián)合金融行業(yè)機(jī)構(gòu)推出超百個(gè)金融智能體解決方案，覆蓋銀行、證券、保險(xiǎn)、通用金融等四大領(lǐng)域，能提升一線員工工作效率超80%。
現(xiàn)在，新模型出爐，可以說(shuō)是螞蟻數(shù)科本身行業(yè)洞察+數(shù)據(jù)積累+AI能力的一次集中體現(xiàn)。
當(dāng)然啦，技術(shù)論文實(shí)現(xiàn)SOTA之外，作為模型和產(chǎn)品，更重要的還是實(shí)際應(yīng)用表現(xiàn)。
建議螞蟻數(shù)科的朋友，發(fā)布會(huì)多講講這方面的。
論文和性能成績(jī)，我們已經(jīng)替你們搶跑了喲～
論文地址：https://arxiv.org/abs/2507.16802
—完—
