超deepseek r1 的 Fin-R1：面向金融推理的大型语言模型

摘要：开源数据集（占79%）：Ant_Finance（支付宝团队，2023）：侧重支付与风控场景。FinancelQ（独小漫DI团队，2023b）：金融常识问答。FinanceQT（Malik, 2024）：量化交易指令解析。ConvFinQA（Chen et al

对大模型，AI Agent有研究的朋友可以加入

开源数据集（占79%）：Ant_Finance（支付宝团队，2023）：侧重支付与风控场景。FinancelQ（独小漫DI团队，2023b）：金融常识问答。FinanceQT（Malik, 2024）：量化交易指令解析。ConvFinQA（Chen et al., 2022）：对话式金融推理。FinQA（Chen et al., 2021）：数值计算与单位转换。TFNS（匿名，2024）：社交媒体舆情分析。Finance-Instruct-500K（Flowers, 2025）：指令跟随任务。FinCorpus（独小漫DI团队，2023a）：金融事件抽取。FinCUGE（Lu et al., 2023）：跨文化金融理解。
专有数据集（FinPEE，占21%）：350道金融硕士入学考试计算题，涵盖经济学指标（如加拿大2011年人均GDP=379美元）、利率敏感性分析等。两阶段训练框架：监督微调（SFT）：基于Fin-R1-Data优化基础模型（如Qwen2.5-7B-Instruct）。强化学习（RL）：采用组相对策略优化（GRPO）提升推理连贯性与准确性。基准测试结果：

案例分析：高质量推理轨迹（图4示例）：textStep 1: Calculate NPV using formula NPV = CF/(1+r)^t. Step 2: Compare NPV with initial investment. Step 3: Conclude feasibility based on NPV > 0. \boxed{Project is feasible}低质量轨迹缺陷：跳过NPV计算直接得出结论，未展示利率折现过程。

来源：HuggingFace

标签：模型推理金融 deepseek deepseekr1

本文地址：https://news.43u.com.cn/a/874954.html

免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!