人工智能如何重塑金融行业的发展格局?金融大模型又存在哪些局限性?答案或在12月26日举办的“2025金融大模型评测体系发布会”上。
上海市委金融办副主任、一级巡视员葛平举例称,在上海,银行、基金、信托、保险等金融机构及相关组织已普遍将大模型技术嵌入业务环必赢国际437官方节,应用于诉讼管理等多个方面,推动金融服务模式从效率提升向更深层次演进。但他同时指出,当前大模型在金融领域的应用仍面临幻觉、评测失准、语料污染等问题。如何改变这一现状则成为业内共同的议题。
“金融大模型整体存在5个局限。”库帕思首席运营官施佳樑介绍道,一方面,是实时性与动态适应性不足,金融市场行情、政策法规、突发事件(如“黑天鹅”事件)具有强时效性,而大模型的训练数据存在明显“时间滞后性”。另一方面,是领域知识深度不足,金融领域存在大量专业规则、监管条款和市场逻辑,通用大模型的训练数据多为公开文本,导致对深度专业内容的理解不足。再来是透明性度和可解释性薄弱,金融决策对可解释性要求严苛,但大模型本质为 “黑箱”模型,其推理依赖海量参数拟合,难以追溯结论生成逻辑。
在他看来,有的金融大模型也存在一定的“偏见”,若采用信贷审批等历史业务数据训练,易继承甚至放大数据中的系统性偏见,如对地域或收入群体的歧视倾向。最后在数据安全与隐私方面,金融数据涵盖客户身份、资产、交易等高度敏感信息。若训练与推理环节未部署隐私计算、数据脱敏等技术,极易造成信息泄露,引发法律风险。
这些问题无疑让相关机构或组织感到烦恼。2024年,由上海库帕思科技有限公司、上海人工智能实验室等机构发布的全国首个“以金融业务为中心”的金融大模型评测体系,为行业提供了科学选型与能力对标的重要“标尺”。令葛平欣慰的是,经过一年的探索,今年评测体系全面升级。
《IT时报》记者现场了解到,“2025金融大模型评测体系暨金融评测基准”正式发布。该体系在标准引领、数据驱动、安全可信与生态共建四大维度进行了升级,首次构建覆盖金融全场景的评测基线。
“该评测体系汇聚了4个公开数据集与22个自建数据集,约3.6万条评测数据。”施佳樑进一步解读了评测体系的设计逻辑与应用价值,其坚持科学与鲁棒的评测过程,采用循环选项打乱机制和多样化提示词,并研发金融裁判大模型,实现评测全流程自动化、标准化,为上海金融领域银行、券商、基金、投资等企业或者机构人员提供权威、精准的大模型能力评估,助力机构选型、优化及风险把控。
随着评测体系的应用,金融行业又将迎来怎样的智能化转型?静待2026年的市场表现。返回搜狐,查看更多