12月24日消息，據(jù)報道，百川智能發(fā)布全鏈路領域增強大模型Baichuan4-Finance。在高質量金融數(shù)據(jù)的基礎上，通過行業(yè)首創(chuàng)的領域自約束訓練方案，實現(xiàn)了金融能力和通用能力同步提升的效果，極大提高了金融場景的整體可用性。

值得注意的是，Baichuan4-Finance在金融專業(yè)能力和場景應用方面的卓越表現(xiàn)，已超越GPT-4o，在中國人民大學財政金融學院最新構建的FLAME評測體系及國內權威開源金融評測基準FinancelQ中均獨占鰲頭。

在模型訓練的核心階段，百川智能憑借領域自約束訓練技術的精妙運用，成功實現(xiàn)了模型專項技能與通用能力的同步精進，極大地拓寬了模型在多元金融場景中的適用性。

為了支撐Baichuan4-Finance的金融能力發(fā)展，百川智能精心構建了高質量金融數(shù)據(jù)集。該數(shù)據(jù)集廣泛涵蓋了金融專業(yè)教材、學術著作、頂級金融期刊論文、監(jiān)管機構政策文件、金融法律法規(guī)等核心知識資源，同時融入了金融專業(yè)問答集、企業(yè)財報、年度報告及金融類研究分析報告等實踐應用數(shù)據(jù)，為模型提供了豐富且深入的金融知識底蘊。

在此基礎上，Baichuan4-Finance在領域自約束訓練過程中，還巧妙地融入了更高質量的通用數(shù)據(jù)，與金融數(shù)據(jù)共同進行混合訓練，確保了模型在保持通用能力的同時，金融能力實現(xiàn)穩(wěn)步增長。

此外，百川智能在模型后訓練階段同樣不遺余力，通過合成數(shù)據(jù)、指令數(shù)據(jù)對模型進行精細化有監(jiān)督微調，并在強化學習策略中針對數(shù)學計算等金融領域關鍵場景進行樣本增強，進一步鞏固并提升了模型的綜合性能。這一系列舉措無疑為Baichuan4-Finance在金融智能領域的持續(xù)領先奠定了堅實基礎。