阿里云通义点金联合苏大推出的金融推理大模型

1 0 0

DianJin-R1是什么

DianJin-R1是一款由阿里云通义点金团队与苏州大学携手推出的金融领域推理增强大模型，专为金融任务优化设计。该模型整合了先进的技术架构和丰富的金融数据资源，在推理能力方面实现了显著突破。DianJin-R1的核心竞争力源于其独特的DianJin-R1-Data数据集，该数据集融合了CFLUE、FinQA以及中国合规检查（CCC）等多个权威金融数据集，覆盖了广泛的金融应用场景。模型采用两阶段优化策略：首先通过监督微调(SFT)进行基础训练，随后借助强化学习(RL)进一步提升推理质量。目前提供7B和32B两个参数版本，并创新性地采用了组相对策略优化（GRPO）方法，结合格式奖励与准确性奖励双重机制来优化模型输出。

DianJin-R1的主要功能

金融推理增强能力：通过先进的推理增强监督和强化学习技术，显著提升了模型在金融场景中的逻辑推理能力。在CFLUE、FinQA等多个权威测试集上，DianJin-R1的表现优于传统基础模型。
多维度数据支持：基于自研的高质量DianJin-R1-Data数据集构建，整合了包括CFLUE、FinQA和CCC在内的多个金融领域数据集，覆盖从风险评估到合规检查等多样化应用场景。
结构化输出能力：模型能够以标准化格式输出完整的推理过程和最终答案，便于后续系统处理和人工解读，极大地提升了结果的可解释性和应用价值。
高效计算性能：通过创新性的技术优化，DianJin-R1在CCC数据集上的表现尤为突出，仅需单次调用即可实现与多代理系统相当甚至更优的效果，显著降低了计算成本和资源消耗。

DianJin-R1的技术原理

DianJin-R1采用创新的两阶段优化架构：第一阶段通过监督微调(SFT)完成基础模型训练，第二阶段引入强化学习(RL)进一步提升推理能力。同时，模型采用了先进的组相对策略优化（GRPO）算法，该算法结合了格式奖励和准确性奖励机制，有效平衡了输出结果的规范性和内容准确性。得益于此，DianJin-R1在保持高推理准确性的基础上，实现了更高效的计算性能。