1.2 大模型引领中国金融领域科技的国际化发展 因此，通过提升金融服务的效率和质量，大模型可提升我国金融机构的核心竞争力。 首先大模型的自然语言理解与内容生成能力可以与用户进行多轮问答对话，提升金融 客服的服务效率。其次，通过大模型进行智能数据挖掘处理，金融机构能够更快速准 确地获取市场趋势的洞察，做出更明智的决策。同时，大模型可以迅速了解各国的法 律、监管规定和市场动态，为金融机构提供国际化的业务洞察和决策支持，帮助中国 从业者更好地理解和适应国际市场的业务需求和规则。 海外金融科技公司已经在积极探索和持续深化大模型在金融服务领域的应用。 Bloomberg 已推出 BloombergGPT，一个基于 500 亿参数训练的应用于金融领域自然语 言处理的大模型。据研究，当前此大模型在金融任务包括金融资讯分类任务（FPB）， 预测特定领域的金融新闻及话题（FiQA SA），股指推理（ConFinQA）等特定任务上的 表现大幅领先于现有的近似规模的开放模型2。BloombergGPT 的推出说明海外在大模 型金融科技应用方面已经取得了一定的成果。除此之外，一些传统金融机构也通过基础大模型的应用提升业务竞争力，大型国际投行 Morgan Stanley 已将 GPT-4 应用在 财富管理领域打造内部智能助手从而辅助其财富管理顾问快速搜索所需资讯，高效地 为客户提供服务。与此同时头部对冲基金 Citadel 也拟在全公司各条业务线中应用 ChatGPT，提升业务运作效率。 而我国大模型和数字金融已有较好的产业发展基础，宜抓住此轮大模型科技变革机遇， 进一步提升我国数字金融国际竞争力。2023 年中央金融工作会议提出将数字金融上 升到国家战略部署的新高度，而大模型等新技术将进一步扩展金融科技的发展空间。 根据《金融科技发展规划（2022-2025 年）》，目前应要抓住全球人工智能发展新机遇， 深化人工智能技术在金融领域的应用。因此，我们应把握大模型技术浪潮，提升金融 科技全球竞争力。

2.2.3 金融领域适配与参数微调 在大模型的适配应用中，微调技术扮演重要角色。通过微调，大模型不仅保留了模型 在预训练期间获得的广泛知识，还能够细致地适应金融领域的具体需求。金融领域对 模型的能力要求尤其严格，不仅要求模型理解复杂的金融术语和原则，还要求在日益 复杂的监管环境中做出合规的决策。通过微调，大模型在学习了通用数据的基础上， 进一步吸收了特定金融任务的细节。这种精确调整模型参数的技术确保模型的输出不 仅精确，而且符合金融行业的高标准和法规要求，这对增强金融机构的信任度、降低 运营风险以及提高决策效率至关重要。 本节主要关注高效参数微调和与人对齐的微调技术。这些微调技术的应用，确保了大模型在在有限的算力资源下，专业性、精确性、伦理性和实用性方面都能达到更高的 标准，为金融行业的发展提供强有力的技术支持。