金融圈注意了 BloombergGPT來了_BER

ChatGPT引爆的AI熱潮也“燒到了”金融圈，彭博社重磅發布為金融界打造的大型語言模型（LLM）——BloombergGPT。

3月30日，根據彭博社最新發布的報告顯示，其構建迄今為止最大的特定領域數據集，并訓練了專門用于金融領域的LLM，開發了擁有500億參數的語言模型——BloombergGPT。

報告顯示，該模型依托彭博社的大量金融數據源，構建了一個3630億個標簽的數據集，支持金融行業內的各類任務。該模型在金融任務上的表現遠超過現有模型，且在通用場景上的表現與現有模型也能一較高下。

一般來說，在NLP領域，參數數量和復雜程度之間具有正相關性，GPT-3.5模型的參數量為2000億，GPT-3的參數量為1750億。

海南：進一步擴大跨境金融區塊鏈服務平臺試點范圍:9月1日消息，海南發布《關于貫徹落實金融支持海南全面深化改革開放意見的實施方案》，方案指出，在依法合規、風險可控前提下加強金融科技創新應用。進一步擴大跨境金融區塊鏈服務平臺試點范圍，豐富應用場景，逐步形成跨境融資信用服務體系，促進貿易投資便利化，提升外匯服務水平。[2021/9/1 22:52:42]

關于BloombergGPT

報告指出，研究人員利用彭博社現有的數據，對資源進行創建、收集和整理，通過構建迄今為止最大的特定領域數據集來完成BloomberGPT，并基于通用和金融業務的場景進行混合模型訓練：

彭博社主要是一家金融數據公司，數據分析師在公司成立的四十年的時間里收集了大量的金融文件，擁有廣泛的金融數據檔案，涵蓋了一系列的主題。

我們將這些數據添加到公共數據集中，以創建一個擁有超過7000億個標簽的大型訓練語料庫。

韓國KB國民銀行將與多家企業進行區塊鏈金融及數字資產等方面的合作:韓國KB國民銀行決定與Hatch Labs，Hashed和Cumberland Korea公司攜手，推進數字資產領域的技術合作。KB國民銀行7日表示，已經與上述企業簽訂了業務協議。根據協議，根據協議，這些企業決定共同應對數字資產的保管、管理、相關規制變化、利用區塊鏈技術挖掘新事業、建立區塊鏈金融相關生態系統等。該銀行預測，今后不僅虛擬資產，貨幣、房地產、美術品、權力等資產也將以數字資產形式發行，因此該銀行計劃確保相關技術和生態系統。（韓聯社）[2020/8/7]

使用這個訓練語料庫的一部分，我們訓練了一個具有彭博風格的，達500億參數的模型，該模型是根據Hoffmann和Le Scao等人的指導方針設計，基于通用和金融業務的場景進行混合模型訓練。

結果表明，我們的混合訓練方法使我們的模型在金融任務上的表現大大超過了現有的模型，而在通用場景上的表現則與之相當甚至優于現有模型。

動態 | 金融壹賬通構建供應鏈金融生態系統:據Thepaypers消息，位于新加坡的金融科技公司金融壹賬通（OneConnect）宣布，將利用區塊鏈和云基礎設施建設一個供應鏈融資平臺，以促進中小企業的貿易融資。[2019/7/5]

1.BloombergGPT優勢：特定領域模型仍有其不可替代性且彭博數據來源可靠

在論文中，彭博社指出，現階段，通用的自然語言處理模型可以涵蓋許多領域，但針對特定領域模型仍有其不可替代性，因彭博社的大多數應用均為金融領域，著手構建了一個針對金融領域的模型尤其優勢，同時可以在通用LLM基準測試上保持競爭力：

除了構建金融領域的LLM外，本文的經驗也為其他研究領域的專用模型提供了參考。我們的方法是在特定領域和一般數據源上訓練LLM，以開發在特定領域和通用基準上表現優異的模型。

動態 | 報告：加密資產等新型金融資產管理、交易和結算平臺的發展，對傳統金融監管提出了挑戰:據經濟參考報報道，中國社會科學院中國經濟形勢分析與預測課題組刊文《中國經濟形勢分析與預測2019年春季報告：今年中國經濟將在合理區間運行》，其中表示，隨著金融科技的發展和金融與實體經濟的融合，金融供給側結構發生著深刻變化，基于大數據、云計算、區塊鏈、第三方支付等平臺的新金融供給在提供金融服務便利性、降低金融交易成本、提高金融配置效率的同時，也隱含了金融系統性風險的觸發機制。影子銀行、P2P類借貸平臺、加密資產等新型金融資產管理、交易和結算平臺的發展，對傳統金融監管提出了挑戰。因此，要加強對互聯網支持的金融機構和金融市場的穿透性監管，防范金融系統性風險。[2019/6/6]

此外，我們的訓練數據不同于傳統的網絡爬取數據，網絡上的數據總有重復和錯誤，但我們的數據來源可靠。

動態 | 眾應互聯擬收購深圳區塊鏈金融服務有限公司:據投資者報消息，通過不斷置出原有業務、并購新資產，眾應互聯（002464.SH）擬收購深圳區塊鏈金融服務有限公司51%的股權，發力區塊鏈金融。而當記者就不斷調整的經營主線關系和對未來發展的設計問題采訪公司時，眾應互聯方面并未做出回應。但從上述收購標的可以看出，眾應互聯的收購方向基本都是跟隨當時的市場熱點在走，而熱點題材往往能夠享受更高溢價。[2018/8/27]

2.BloombergGPT的訓練數據集：

BloombergGPT的訓練數據庫名為FINPILE，由一系列英文金融信息組成，包括新聞、文件、新聞稿、網絡爬取的金融文件以及提取到的社交媒體消息。

為了提高數據質量，FINPILE數據集也使用了公共數據集，例如The Pile、C4和Wikipedia。FINPILE的訓練數據集中大約一半是特定領域的文本，一半是通用文本。為了提高數據質量，每個數據集都進行了去重處理。

對金融領域的理解更準

報告指出，在金融領域中的自然語言處理在通用模型中也很常見，但是，針對金融領域，這些任務執行時將面臨挑戰：

以情感分析為例，一個題為“某公司將裁員1萬人”，在一般意義上表達了負面情感，但在金融情感方面，它有時可能被認為是積極的，因為它可能導致公司的股價或投資者信心增加。

報告指出，從測試來看，BloombergGPT在五項任務中的四項（ConvFinQA，FiQA SA，FPB和Headline）表現最佳，在NER（Named Entity Recognition）中排名第二。因此，BloombergGPT有其優勢性。

測試一：ConvFinQA數據集是一個針對金融領域的問答數據集，包括從新聞文章中提取出的問題和答案，旨在測試模型對金融領域相關問題的理解和推理能力。

測試二：FiQA SA，第二個情感分析任務，測試英語金融新聞和社交媒體標題中的情感走向。

測試三：標題，數據集包括關于黃金商品領域的英文新聞標題，標注了不同的子集。任務是判斷新聞標題是否包含特定信息，例如價格上漲或價格下跌等。

測試四：FPB，金融短語庫數據集包括來自金融新聞的句子情緒分類任務。

測試五：NER，命名實體識別任務，針對從提交給SEC的金融協議中收集金融數據，進行信用風險評估。

對于ConvFinQA來說，這個差距尤為顯著，因為它需要使用對話式輸入來對表格進行推理并生成答案，具有一定挑戰性。

ChatGPT為彭博點贊

華爾街見聞就這個問題專門詢問了ChatGPT，ChatGPT認為BloombergGPT是一項很有意義的技術進步：

它是專門為金融領域開發的一種語言模型，可以更好地處理金融領域的數據和任務，并且在金融領域的基準測試中表現出色。

這將有助于金融從業者更好地理解和應用自然語言處理技術，促進金融科技的發展。同時，BloombergGPT還可以為其他領域的語言模型的發展提供參考和借鑒。總的來說，BloombergGPT是一個有益的技術創新。

華爾街見聞

媒體專欄

閱讀更多

金色財經 善歐巴

金色早8點

白話區塊鏈

歐科云鏈

Odaily星球日報

Arcane Labs

MarsBit

深潮TechFlow

BTCStudy

鏈得得

Tags：GPTBERMBEERGHGPT價格LIBERA價格EMBER價格ICEbergT

火必APP