摘要：12月23日，总部位于北京的百川智能发布全链路领域增强大模型Baichuan4-Finance。通过行业首创的领域自约束训练方案，其实现了金融能力和通用能力同步提升的效果，能够大幅度提高大模型在金融场景的可用性。在中国人民大学财政金融学院新近发布的评测体系FL

12月23日，总部位于北京的百川智能发布全链路领域增强大模型Baichuan4-Finance。通过行业首创的领域自约束训练方案，其实现了金融能力和通用能力同步提升的效果，能够大幅度提高大模型在金融场景的可用性。在中国人民大学财政金融学院新近发布的评测体系FLAME以及国内主流开源金融评测基准FinancelQ上，其金融专业能力和场景应用能力大幅领先GPT-4o，登上榜首。

FLAME（Financial Large-Language Model Assessment and Metrics Evaluation）是中国人民大学财政金融学院12月17日发布的金融评测体系。该评测由两个方向的评测基准组成，其中FLAME-Cer主要面向模型的专业金融能力评测，覆盖了CPA、CFA、FRM等14类权威金融资格认证；FLAME-Sce则侧重模型的场景应用能力，包含10个一级核心金融业务场景，21个二级细分金融业务场景，近百个三级金融应用任务。

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%。据悉，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。

如何让模型在提升专业能力的同时不损失通用能力，是当下大模型落地具体场景最大的阻碍。为解决这一问题，百川智能研发团队打造了一套覆盖了高质量数据集构建、模型预训练、微调、强化学习等从模型研发到场景应用全流程的解决方案。

具体而言，Baichuan4-Finance的金融数据集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底层支撑。研发人员介绍，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。

以“大模型六小虎”（智谱、零一万物、MiniMax、百川智能、月之暗面、阶跃星辰）为代表的大模型创业企业的商业化落地情况备受行业关注。百川智能相关负责人透露，其大模型技术和产品目前已经在北电数智、完美世界游戏、爱奇艺、360集团、生学教育、爱学堂等上千家企业机构客户落地应用。

记者：孙奇茹

来源：京报网