百川新模型超GPT-4o近20%，首創(chuàng)自約束訓練方案突破瓶頸，主打「領域增強」

衡宇 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

大模型的競速賽，正站在通用底座的基礎上，掀起“領域增強”風暴。

剛剛就出現(xiàn)了個最直觀的例子：金融領域大模型王座，它易主了！

新王是誰？突然出現(xiàn)的全鏈路金融領域增強大模型Baichuan4-Finance，榜單成績非常亮眼，專業(yè)性和可用性行業(yè)第一。

背后的力氣和手段，就是領域增強方案。

劃個重點，它真的非常值得大家好好琢磨琢磨！因為Baichuan4-Finance是百川智能全鏈條領域增強方案在金融領域的成果，該方案也可以成功遷移運用在其它領域，比如醫(yī)療、教育、法律……一通百通。

而將方案率先在金融領域落地，這就是其背后大模型公司百川智能最直接的實踐。

量子位獲悉，Baichuan4-Finance之所以能取得這樣的成績，主要原因是其全鏈路領域增強方案中包括有高質量數(shù)據(jù)、在模型訓練過程中首創(chuàng)了自約束訓練方案，在微調階段也做了大量增強工作。

本著客觀和理性的精神，我們還是老規(guī)矩，把模型和方案一點點掰開，一起來看——

開閉源Benchmark實測：超GPT-4o近20%

百川公布了一系列Baichuan4-Finance的榜單成績，整體來看，該模型在金融類開/閉源benchmark上均表現(xiàn)出色。

出色到什么地步呢？

這么說吧，它能當會計、能當交易員、能當精算師，純純的金融行業(yè)全能大通才。

先來看開源的金融benchmark，F(xiàn)inanceIQ。

簡單介紹下，F(xiàn)inanceIQ是金融領域的中文評估數(shù)據(jù)集，涵蓋10個金融大類和36個金融小類，總計7173個單項選擇題。它的重點是評估大模型在金融場景下的知識和推理能力。

Baichuan4-Finance位列榜首，整體準確率達79.23%，而GPT-4o是66.25%。

也就是說Baichuan4-Finance領先了GPT-4o約13%。

然后來看閉源的金融benchmark，F(xiàn)LAME。

FLAME（Financial Large-Language Model Assessment and Metrics Evaluation）是人大財政金融學院在本月17日發(fā)布的金融評測體系，兼顧專業(yè)性和實用性，由兩個方向的評測基準組成。

第一個是FLAME-Cer，主要面向模型的金融專業(yè)能力評測，覆蓋了CPA、CFA、FRM等14類權威金融資格認證。

在FLAME-Cer上，Baichuan4-Finance整體準確率93.16%，一舉奪魁，超出GPT-4o近20%；在銀行、基金、證券等多個資格認證領域，該模型的準確率均突破了95%。

第二個是FLAME-Sce，它側重模型的場景應用能力，包含10個一級核心金融業(yè)務場景，21個二級細分金融業(yè)務場景，近百個三級金融應用任務。

FLAME-Sce評測中，Baichuan4-Finance的整體可用率也是行業(yè)最高。

其中，一級核心金融業(yè)務場景的模型整體可用率達84.15%，金融數(shù)據(jù)計算、金融知識理論等應用場景的可用率更是超過90%。

從榜單成績來看，Baichuan4-Finance的精確度和可靠性都在同類模型中脫穎而出，一定程度上表現(xiàn)了其在金融知識領域的深厚積累與專業(yè)素養(yǎng)。

但老話說得好，“盡信書不如無書”，咱們也不能拿榜單當唯一的評判標準。

還是得上手看效果（認真臉.jpg）。

量子位一連三測，咱們來看：

金融行話解釋

Prompt：以下是一個金融行業(yè)常用的術語（黑話），請對這個術語進行解釋：技術性違約。

Baichuan4-Finance的回答如下圖。

GPT-4o的回答如下圖。

最直觀的感受，Baichuan4-Finance的回答更長更豐富，GPT-4o的回答較為簡短。

仔細閱讀后不難發(fā)現(xiàn)，Baichuan4-Finance不僅詳細闡述了名詞概念，還從違反合同條款、觸發(fā)條件、后果、解決方式等多個維度來解釋“技術性違約”，輔以功能意義和使用場景，帶舉例的那種。

邏輯也清晰，有助于讀者全面理解這一概念。

GPT-4o內容較為簡單，雖然有案例簡單例舉，但提供的信息量確實比不上前者。

業(yè)務應對

Prompt：銀行在發(fā)現(xiàn)哪些情況時，應將單位銀行結算賬戶的網(wǎng)上銀行轉賬功能關閉，并要求存款人到銀行網(wǎng)點柜臺辦理轉賬業(yè)務?

Baichuan4-Finance的回答如下圖，結合了相關《通知》的規(guī)定。

更適合中國寶寶體質～

GPT-4o的回答如下。

倒也列舉了一些情況，但是沒有結合實際條款，比較空泛，也不知是否符合相關規(guī)定。

基于財務報表的財務指標提取

Prompt（主要）：你是一位專業(yè)的財務數(shù)據(jù)分析師，負責從提供的已知的財務報表中抽取特定信息。你的任務是針對用戶提出的問題，從財務報表中提取相關數(shù)據(jù)。最終問題是“截至2024年3月底，淘寶和天貓集團的調整后EBITA是多少？”

在prompt里，我們附加了輸出結果需要遵守的“原則遵循”：

1. 準確性：嚴格基于“財務報表”進行信息抽取，確保所有數(shù)據(jù)的準確無誤。
2. 完整性：如果“財務報表”中包含用戶問題所需的所有數(shù)據(jù)，則提供完整的答案；如果缺少信息，則在相應的字段中留空。
3. 輸出格式：以JSON形式輸出抽取的信息，確保易于閱讀和理解。

以及這里附上和prompt一起喂過去的財務報表OCR文本。

Baichuan4-Finance的回答如下。

GPT-4o的回答如下。

這一局GPT雖然也給出了準確答案，但帶了額外的文字總結；Baichuan4-Finance更符合“以JSON形式輸出抽取的信息”這一約束條件。

綜合所有測試結果來看（包括沒有放進來的一些其它case），Baichuan4-Finance確實不容小覷，且穩(wěn)定性很強。

行業(yè)首創(chuàng)領域自約束訓練方案

接下來就是咱們的必問題環(huán)節(jié)，訓出這么強的Baichuan4-Finance，百川是怎么做到的？

百川智能給出的答案是，拿訓練階段的三步走來說話。

哪三步？

訓練數(shù)據(jù)準備——模型post-pretrain——模型微調。

（先預告下，其中的第二階段含有一個非常妙的首創(chuàng)性策略）

階段1：訓練數(shù)據(jù)準備

第一階段訓練數(shù)據(jù)準備，又可細分成數(shù)據(jù)收集和數(shù)據(jù)處理兩個步驟。

Baichuan4-Finance涵蓋的數(shù)據(jù)集如表格所示，既包含核心專業(yè)金融知識數(shù)據(jù)，也覆蓋了實踐應用類數(shù)據(jù)，為提升模型金融能力提供了良好的底層支撐。

而且為了保證模型基礎能力，團隊特意在訓練過程引入了更高精的通用數(shù)據(jù)混合訓練，確保該模型既能理論扎實，又能實踐過硬，不會只紙上談兵。

值得一提的是，在數(shù)據(jù)收集階段，百川在金融專家團隊的專業(yè)指導下，構建了一個全面、嚴謹、高質量的金融領域訓練數(shù)據(jù)體系。

• 數(shù)據(jù)框架設計：由專家團隊規(guī)劃整體數(shù)據(jù)架構，確保知識體系的完整性和專業(yè)性；
• 高質量數(shù)據(jù)圈定：依托專家團隊的學術洞見，精準定位優(yōu)質數(shù)據(jù)源；
• 專業(yè)數(shù)據(jù)標注：在專家團隊指導下進行專業(yè)化標注，確保數(shù)據(jù)質量；
• 知識體系審核：由專家團隊把控知識準確性，驗證數(shù)據(jù)價值。

一整個就是「學術權威背書+體系化知識結構+嚴格的質量保障」，齊活了。

數(shù)據(jù)處理這一步，百川采用了智能數(shù)據(jù)去噪技術、高效數(shù)據(jù)去重機制、嚴格數(shù)據(jù)脫敏等，還建立了一套完整的數(shù)據(jù)處理體系。

展開來說，首先基于樣本可讀性、知識密度等多個維度對單個樣本進行初步評分；其次，根據(jù)不同數(shù)據(jù)來源的特點，設定差異化的評估維度權重進行二次評分；最后，通過深度學習模型對多維度評分進行回歸分析，得出樣本的最終質量分。

這個體系不僅確保了訓練數(shù)據(jù)的高質量，更通過創(chuàng)新的評估體系和配比優(yōu)化系統(tǒng)，很好地支持了模型性能的卓越度。

階段2：模型post-pretrain

第二階段，來到了模型post-pretrain。

先敲黑板，在訓練行業(yè)領域大模型時，業(yè)界目前的普遍做法是通用訓練語料與領域數(shù)據(jù)相結合的CPT的訓練方式。

這個訓練方法可用，但伴隨著2個關鍵挑戰(zhàn)。

一是如何確定最優(yōu)的數(shù)據(jù)混合比例，包括領域內不同類型數(shù)據(jù)的配比以及領域數(shù)據(jù)與通用數(shù)據(jù)的融合比例；二是如何選擇合適的訓練策略，在課程學習、固定配比訓練以及結合退火實驗等方案中找到最佳方案。

在大量實驗后，百川發(fā)現(xiàn)傳統(tǒng)固定配比的直接訓練方式存在明顯缺陷：隨著訓練的深入，模型的金融領域能力雖然不斷提升，但通用能力卻顯著下降。

考慮到金融領域包含諸多不同場景，模型的泛化能力至關重要，因此百川為訓練過程首提了一種創(chuàng)新性的策略——

領域自約束的訓練方案+“l(fā)oss scaling law + metric scaling law”雙重預測推演過程。

以此保證模型通用能力不下降，領域能力提升。

領域自約束的訓練方案是啥？一種提升模型垂域泛化能力、又不降低通用能力的訓練策略。

這么說吧，在模型CPT過程中，領域知識的直接引入會破壞原有base model的訓練分布，因此直接基于領域數(shù)據(jù)或者混合通用領域這兩種方案進行訓練，必然會讓通用能力下降。

于是，不想破壞通用能力的百川團隊就提出了個新的訓練方案，稱之為“領域自約束”。

具體來說，是在基礎領域模型訓練過程中構建一個和基礎模型同參且參數(shù)不更新的“reference model”，來指導模型訓練的過程不要跑偏，從而達到「通用能力不降，領域能力穩(wěn)定增長」的效果。

△在小模型上進行領域自約束的推演實驗結果

Attention Please！

領域自約束的訓練方案，百川從很早之前就一直在研究和迭代。

Baichuan4-Finance只是百川把領域自約束的訓練方案運用在金融行業(yè)的一個落地案例，這個方案實際上也有泛化性，適配任何一個垂直領域和行業(yè)，包括但不限于醫(yī)療、教育……

至于“l(fā)oss scaling law + metric scaling law”雙重預測推演過程，來源是醬嬸兒的：

百川團隊在小參數(shù)量模型上了進行多組參數(shù)、多組數(shù)據(jù)配比實驗，獲取了足夠的數(shù)據(jù)配比到domain loss的曲線樣本，從而構建了配比到loss的回歸模型。

然后再根據(jù)domain loss到自建的通用指標體系和金融知識體系的對應關系，構建了domain loss到模型最終優(yōu)化目標的回歸模型。

通過上述兩個模型，團隊實現(xiàn)了從參數(shù)配比到訓練目標以及結果的推演過程，從而達到了動態(tài)監(jiān)控和模擬模型訓練趨勢。

以下是采用訓練預測方案獲取的配比數(shù)據(jù)訓練出來的模型，整體效果在通用能力上領先通用base model效果的結果：

在模型post-pretrain過程中，百川團隊還完成了多維度測試集合，也就是在每個檢查點（checkpoint）進行全方位能力測試。

涵蓋了通用知識能力、通用應用能力、金融知識能力、金融應用能力等。

綜合起來，這套訓練和評估方案，確保了模型在金融專業(yè)領域的強勁實力，并且維持了其跨領域的通用性能穩(wěn)定不變。

階段3:模型微調

最后的模型微調階段，主要采用了進行有監(jiān)督微調（SFT）和強化學習策略（RLHF）。

進行SFT，是為了優(yōu)化模型在特定金融任務上的表現(xiàn)；而RLHF主要是為了進一步提升模型性能。

這里不展開贅述，但嚴謹起見，還是取RLHF在數(shù)學能力上的表現(xiàn)為例。

從下圖可以看到：

數(shù)學增強-PPO版本（Baichuan4-Finance）> 數(shù)學增強-SFT版本（Baichuan4-Finance w/o PPO）> 非數(shù)學增強-SFT版本（Baichuan4-Finance-Base-SFT）。

回頭看沒做強化時（藍色曲線），模型Pass@1和pass@5結果的準確率產生了較大的差異化，這樣表明模型本身在各個數(shù)學能力項上依然有很大的潛力。

而做完強化后（橙色曲線），模型在數(shù)學方面的能力有了很大的提升，且提升趨勢和潛力趨勢（藍色曲線）呈正相關。

因此這表明，強化學習的引入，能讓模型在數(shù)學這類答案聚焦的問題上性能表現(xiàn)的更好。

全方位提升金融行業(yè)價值

在攻克了「通用能力與泛化能力的平衡」這一模型在垂直領域應用的主要難題后，Baichuan4-Finance就能大展身手了，得以在多維度為金融行業(yè)實現(xiàn)全面價值的提升增強。

• 效率優(yōu)化層面：模型能夠智能處理文檔審核、客戶咨詢、產品營銷等大量日常工作，顯著提升運營效率，釋放人力資源。
• 風控合規(guī)方面：依托深厚的金融專業(yè)知識和法律法規(guī)理解能力，能為機構提供精準的風險識別和合規(guī)保障。
• 客戶服務層面：依托模型強大的多輪對話理解和金融專業(yè)知識問答能力，通過7*24小時的智能響應和個性化服務，全面提升客戶體驗與滿意度。
• 決策支持方面：基于模型強大的數(shù)據(jù)分析能力，能夠為管理層提供專業(yè)的市場洞察和決策建議，助力機構實現(xiàn)數(shù)字化轉型和業(yè)務創(chuàng)新。

舉個Baichuan4-Finance用戶的真實栗子

某商業(yè)銀行信用卡中心，每日需處理數(shù)十萬通客戶咨詢，業(yè)務高峰期更是忙得不可開交。

基于Baichuan4-Finance搭建智能客服解決方案后，該中心充分利用了模型在金融專業(yè)知識和多輪對話方面的優(yōu)勢。

系統(tǒng)可準確理解客戶意圖，自動回答包括賬單分期、額度調整、優(yōu)惠活動、積分兌換等常見業(yè)務咨詢，并可結合客戶實際需求進行精準的產品推薦；而針對復雜問題，模型可進行多輪對話澄清，確保準確理解客戶需求。

同時，系統(tǒng)還可基于實時交互場景，結合用戶畫像，提供個性化的解決方案和產品建議，并在涉及敏感信息時進行智能脫敏處理。

結果就是，現(xiàn)在該中心有7*24小時準確的即時響應，客戶等待時間縮短80%，還減少了40%的人工成本，預期可提升30%的產品轉化率。

再比如，某保險公司運用Baichuan4-Finance打造智能營銷輔助系統(tǒng)，將產品匹配準確率提升了50%；還預計可降低30%的獲客成本；通過個性化營銷策略，預期可將產品轉化率提升40%，實現(xiàn)養(yǎng)老理財產品精準營銷。

而且，在所有的實際應用中，由于能時刻在線，多輪對話能力強大，專業(yè)知識儲備雄厚，為用戶提供個性化服務，所有用上了Baichuan4-Finance的機構，以往使用傳統(tǒng)人工客服參與環(huán)節(jié)中可能出現(xiàn)的響應速度慢、服務質量不穩(wěn)定、專業(yè)知識儲備不足等痛點，統(tǒng)統(tǒng)被解決。

前面我們提到過，Baichuan4-Finance是百川行業(yè)首創(chuàng)領域自約束訓練方案在金融這個領域的落地體現(xiàn)。從以上具體效果、數(shù)據(jù)和口碑反饋可以看出：

這方案有用、好用，首戰(zhàn)告捷。

而百川的下一步，必然是以自家基座大模型打底，瞄準各個領域、行業(yè)，逐一進行“領域增強”。

與此同時，百川自己的大模型生態(tài)體系也在過去的近兩年時間內，逐步搭建起來——

已經(jīng)服務數(shù)千家客戶，包括北電數(shù)智、完美世界游戲、愛奇藝、360集團、生學教育、愛學堂等各行各業(yè)的領頭羊；合作多家行業(yè)生態(tài)伙伴，如信雅達、用友、軟通動力、新致軟件、達觀數(shù)據(jù)、華勝天成等；還攜手了中國移動、中國電信、中國聯(lián)通等運營商。

回過頭看，Baichuan4-Finance的發(fā)布，不僅標志著百川智能技術策略的領先地位、首創(chuàng)方案的實用價值，見證了通用模型泛化到垂直領域的巨大價值。

更預示著，2025年起，大模型的能力，將在更多行業(yè)和領域內產生更為深刻長遠的滲透和影響。

FLAME GitHub地址：

https://github.com/FLAME-ruc/FLAME/tree/main