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。

01 概要

该项目中的开源资源包括：DISC-FinLLM-SFT 训练数据样例（完整训练数据也计划公开）、FinLLM 模型参数、DISC-Fin-Eval 模型评估的 Benchmark。其中有提到关于 SFT 训练数据针对国内中文金融语料如何处理的工作，值得参考。

同时该项目提供了在线地址，现在就可以体验到 FinLLM 模型效果，关注本公众号👆极客开源 并在公众号后台回复 FinLLM或 金融模型 获取在线 Demo 地址以及更多相关资料。

DISC-FinLLM在不同的应用场景下展现出卓越的性能，可实现以下功能：‍

图片

1. 金融咨询：该模块在中国金融语境下能够与用户进行多轮对话，涉及金融话题，或解释与金融专业相关的知识。该模块是通过金融咨询指令部分的训练得到的。

图片

2. 金融文本分析：该模块可协助用户完成金融文本上的信息抽取、情感分析、文本分类和文本生成等NLP任务，经过金融任务指令部分的数据集训练而成。

图片

3. 金融计算：该模块支持用户完成各种数学计算任务，包括基本的利率、增长率等计算，还涵盖统计分析和金融模型计算，如Black-Scholes期权定价模型和EDF预期违约概率模型。金融计算模块通过金融计算指令部分的数据集训练而得。

图片

4. 金融知识检索问答：该模块基于金融新闻、研报和相关政策文件，为用户提供投资建议、时事分析和政策解读。检索增强指令部分的数据集训练使得该模块得以实现。

03 数据集

图片

数据集是微调成功的关键，DISC-FinLLM 也不例外，该模型是通过在开源的 Baichuan-13B-Chat 模型上进行 LoRA 指令微调得到。微调所基于的也是DISC团队构建的高质量中文金融数据集 DISC-Fin-SFT。

图片

图片

图片

图片

图片

图片

图片

图片

图片

图片

图片

图片

DISC-FinLLM 有着目前大语言模型尚无法克服的问题和缺陷，尽管它能够在许多任务和情境上提供金融领域的服务，但模型应当仅供用户参考使用，并不能替代专业金融分析师和金融专家，我们希望使用 DISC-FinLLM 的用户以批判性的眼光去评估模型。我们不对因使用 DISC-FinLLM 所引发的任何问题、风险或不良后果承担责任。