中文金融大语言模型（LLM） 开源！

复旦大学开源！

DISC-FinLLM，中文金融大语言模型（LLM），旨在为用户提供金融场景下专业、智能、全面的金融咨询服务。DISC-FinLLM, a Chinese financial large language model (LLM) designed to provide users with professional, intelligent, and comprehensive financial consulting services in financial scenarios.

源代码：

http://www.gitpp.com/car-ai/disc-finllm

DISC-FinLLM 是一个专门针对金融场景下为用户提供专业、智能、全面的金融咨询服务的金融领域大模型，由复旦大学数据智能与社会计算实验室 (Fudan-DISC) 开发并开源。

我们将在该项目中开源如下资源：

• DISC-FinLLM-SFT 训练数据样例

• DISC-FinLLM 模型参数

• DISC-Fin-Eval Benchmark

• DISC-FinLLM-SFT 完整训练数据（ToDo）

• DEMO 部署代码（ToDo）

您可以通过访问这个链接来在线体验我们的 DISC-FinLLM。

虽然开源的大语言模型库Llama在技术上非常先进，但是由于没有充足的中文数据，尤其是缺少特殊领域的专业数据，比如法律、金融和医疗等领域，因此在这类特定领域内，Llama的表现可能并不理想。

为了提升Llama在这些领域内的性能，通常需要进行微调。微调的过程一般包括以下步骤：

1. 数据准备：

• 收集特定领域（如法律、金融、医疗等）的大量中文文本数据。这些数据应涵盖该领域的专业知识、术语和常见场景，以确保模型的泛化能力。

• 对收集到的数据进行预处理，包括清洗、分词、去除停用词等，以提高数据的质量和有效性。

3. 模型架构调整：

• 根据特定领域的特点，可以对Llama模型的架构进行适当调整。例如，可以增加针对领域术语的嵌入层，以提高模型对专业术语的理解和识别能力。

• 调整模型的解码策略，以生成更符合领域规范和语境的文本。

5. 训练与优化：

• 利用收集到的领域特定数据进行模型的训练。通常采用监督学习的方式，利用标注好的数据进行训练。

• 在训练过程中，通过调整学习率、批次大小等超参数来优化模型的训练效果。

• 采用正则化、dropout等技术来防止模型过拟合，提高模型的泛化能力。

7. 模型评估与验证：

• 在训练完成后，使用验证数据集对微调后的模型进行评估，以确保其性能得到提升。

• 可以通过人工评估、自动评估指标（如BLEU、ROUGE等）或特定领域的任务完成情况来评估模型的性能。

9. 部署与应用：

• 将微调后的模型部署到实际应用场景中，如法律文本分析、金融风险评估或医疗辅助诊断等。

• 持续监控模型的性能，并根据实际需要进行进一步的优化和调整。

通过以上步骤，可以对Llama进行针对特定领域的微调，从而提升其在该领域内的性能和应用效果。

人工智能 文生图 法国美女

DISC-FinLLM，中文金融大语言模型（LLM），旨在为用户提供金融场景下专业、智能、全面的金融咨询服务。DISC-FinLLM, a Chinese financial large language model (LLM) designed to provide users with professional, intelligent, and comprehensive financial consulting services in financial scenarios.

源代码：

http://www.gitpp.com/car-ai/disc-finllm

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-

---

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓