这篇文章从深入地分析模型原理开始，对各种模型底层进行了详细的对比。然后，结合保险业务应用场景进行了实用性分析，实现了从技术核心到应用层面的全面解读。引入新技术的同时，也会带来新的技术风险。因此，每个金融机构都需要根据其自身特点，既要落实科技金融和数字金融的实际应...(more)

在LLM（大型语言模型)新时代的到来之前，我们通常会通过简单的微调来使用新数据扩展模型的能力。然而，如今我们使用的模型规模越来越大，训练所使用的数据量也随之增加，仅仅依赖微调已经无法满足大部分场景的需求。微调虽然在调整模型的语气和风格方面表现出色，但在向模型添加大量...(more)

随着人工智能技术的飞速发展，大模型技术已成为推动金融行业创新与发展的重要力量 ， 已被广泛探索和应用 。一.大小银行布局大模型工商银行通过构建基于大模型的智能研发体系，实现了编码助手自动生成代码，其中自动生成的代码量达到了总代码量的40%。此外，该行还在国内同业中率...(more)

摘要： 数据基础设施是银行数字化转型的重要支撑，也是支撑金融服务模式创新和转型发展的基石。随着金融科技的快速发展，金融机构业务系统越来越复杂，数据量越来越大，这给银行数据基础设施建设带来了挑战。银行应采用云计算、大数据、人工智能等新技术手段，建立大数据平台和大数...(more)

大模型是新方向、新学科，跟随作者分享多多学习

从作者的实践来看，LLM微调能够充分发挥预训练模型的基础能力,在大幅缩短训练周期、提升模型泛化性、简化部署迭代等方面更具优越性，值得我们借鉴学习。

AI大模型科普文，值得深入研究。目前是否有开源的大模型及其数据集可供参考研究的？

在机器学习（ML）领域，我们通常专注于针对特定指标进行优化，无论是特定的基准测试分数还是业务关键绩效指标。为了实现这一目标，我们通常会训练一个或一组模型来执行特定的任务。然后，我们会对这些模型进行微调和调整，直到性能达到令人满意的水平。然而，这种单一任务训练的方式往往...(more)

这篇文章深入解析了大型语言模型LLM的微调（Fine Tuning）方法，对于希望深入了解LLM训练和优化过程的读者来说，这是一篇非常有价值的技术文章。首先介绍了LLM Fine Tuning的基本原理，为后续的方法解析奠定了理论基础。接着，文章详细列举了三种常见的LLM Fine Tuning方法，每种方法...(more)