ChatGPT引爆的AI热潮也“烧到了”金融圈，彭博社重磅发布为金融界打造的大型语言模型（LLM）——BloombergGPT。
3月30日，根据彭博社最新发布的报告显示，其构建迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM，开发了拥有500亿参数的语言模型——BloombergGPT。
报告显示，该模型依托彭博社的大量金融数据源，构建了一个3630亿个标签的数据集，支持金融行业内的各类任务。该模型在金融任务上的表现远超过现有模型，且在通用场景上的表现与现有模型也能一较高下。
一般来说，在NLP领域，参数数量和复杂程度之间具有正相关性，GPT-3.5模型的参数量为2000亿，GPT-3的参数量为1750亿。
Unstoppable Domains与跨境支付金融公司Wyre完成集成:金色财经报道，NFT域名服务提供商Unstoppable Domains宣布已与跨境支付金融公司Wyre完成集成，将为用户提供“一种快速、安全的方式来加载他们的钱包”，Wyre的支付基础设施会对Unstoppable Domains提供支持，让用户可以利用域名地址轻松完成相关支付交易，无需输入复杂的加密货币地址。（crowdfundinsider）[2022/10/24 16:36:34]
关于BloombergGPT
报告指出，研究人员利用彭博社现有的数据，对资源进行创建、收集和整理，通过构建迄今为止最大的特定领域数据集来完成BloomberGPT，并基于通用和金融业务的场景进行混合模型训练：
彭博社主要是一家金融数据公司，数据分析师在公司成立的四十年的时间里收集了大量的金融文件，拥有广泛的金融数据档案，涵盖了一系列的主题。
哥伦比亚金融科技公司Movii完成1500万美元B轮融资:金色财经报道，哥伦比亚金融科技公司 Movii 周三宣布在 B 轮融资中筹集了 1500 万美元，用于创建比特币购买服务并扩展其他服务。该轮融资由支付服务公司 Square 和 Hard Yaka 共同牵头，后者是一家由前 Ripple 首席风险官 Greg Kidd 创立的投资基金。Movii 在一份声明中表示，与新投资者的合作将使 Movii 能够“加速其现有服务的增长并推出新服务”，并计划在今年年底前进行 C 轮融资。\u2028自 7 月以来，Movii 与 Panda 和 Bitpoint 两家交易所参与了哥伦比亚政府资助的试点计划，该计划允许金融机构提供进出加密货币交易所的存款和取款服务。（CoinDesk）[2021/10/8 20:12:25]
我们将这些数据添加到公共数据集中，以创建一个拥有超过7000亿个标签的大型训练语料库。
重庆地方金融监督管理局局长：要以区块链等应用推进国家金融科技应用:重庆市地方金融监督管理局局长阮路16日在“2020清华五道口全球金融论坛特别策划”上表示，围绕重庆加快建设内陆国际金融中心、推动成渝共建西部金融中心的战略任务，重庆地方金融改革发展将着力在四方面争取突破。其中在拓展金融科技应用方面，阮路表示：要以大数据、智能化、云计算、区块链应用为抓手，推进国家金融科技应用和金融标准化创新试点，建设国家金融科技认证中心，探索发展金融科技新业态，探索开展金融科技监管“沙盒”试点，助力重庆建设国家数字经济创新发展试验区。[2020/5/16]
使用这个训练语料库的一部分，我们训练了一个具有彭博风格的，达500亿参数的模型，该模型是根据Hoffmann和Le Scao等人的指导方针设计，基于通用和金融业务的场景进行混合模型训练。
结果表明，我们的混合训练方法使我们的模型在金融任务上的表现大大超过了现有的模型，而在通用场景上的表现则与之相当甚至优于现有模型。
声音 | 央行上海总部副主任郑五福：支持金融机构和科技企业探索区块链等新技术应用:据新华社9月20日消息，20日是上海自贸区临港新片区揭牌满月之日，中国人民银行上海总部副主任郑五福今日表示，央行将推动重大金融改革举措在新片区先行试点，鼓励跨国公司在上海设立全球或区域资金管理中心等总部型机构；支持新片区内企业参照国际通行规则，依法合规开展跨境金融活动；支持金融机构和大型科技企业在新片区内设立金融科技公司，探索人工智能、大数据、云计算、区块链等新技术在金融领域的应用。[2019/9/20]
1.BloombergGPT优势：特定领域模型仍有其不可替代性且彭博数据来源可靠
在论文中，彭博社指出，现阶段，通用的自然语言处理模型可以涵盖许多领域，但针对特定领域模型仍有其不可替代性，因彭博社的大多数应用均为金融领域，着手构建了一个针对金融领域的模型尤其优势，同时可以在通用LLM基准测试上保持竞争力：
动态 | 立陶宛央行：金融科技企业可在线申请金融牌照进入欧盟市场:7月9日消息，立陶宛央行称，想要进入欧盟市场的金融科技企业可直接在线申请金融牌照，牌照将在单一欧元支付区域内有效。
至今，立陶宛是整个欧盟范围内支付机构(PI)和电子货币(EMI)牌照审批效率最高国家，申请牌照仅需3个月，而在欧洲其他国家可能需要一年时间。而立陶宛银行将在金融科行业最终建立一个系统，允许企业远程申请牌照，这种被称为“Ragtech”的监管技术工具，将进一步加快提交和管理EMI和PI许可申请的过程（BTCManager）。[2018/7/9]
除了构建金融领域的LLM外，本文的经验也为其他研究领域的专用模型提供了参考。我们的方法是在特定领域和一般数据源上训练LLM，以开发在特定领域和通用基准上表现优异的模型。
此外，我们的训练数据不同于传统的网络爬取数据，网络上的数据总有重复和错误，但我们的数据来源可靠。
2.BloombergGPT的训练数据集：
BloombergGPT的训练数据库名为FINPILE，由一系列英文金融信息组成，包括新闻、文件、新闻稿、网络爬取的金融文件以及提取到的社交媒体消息。
为了提高数据质量，FINPILE数据集也使用了公共数据集，例如The Pile、C4和Wikipedia。FINPILE的训练数据集中大约一半是特定领域的文本，一半是通用文本。为了提高数据质量，每个数据集都进行了去重处理。
对金融领域的理解更准
报告指出，在金融领域中的自然语言处理在通用模型中也很常见，但是，针对金融领域，这些任务执行时将面临挑战：
以情感分析为例，一个题为“某公司将裁员1万人”，在一般意义上表达了负面情感，但在金融情感方面，它有时可能被认为是积极的，因为它可能导致公司的股价或投资者信心增加。
报告指出，从测试来看，BloombergGPT在五项任务中的四项（ConvFinQA，FiQA SA，FPB和Headline）表现最佳，在NER（Named Entity Recognition）中排名第二。因此，BloombergGPT有其优势性。
测试一：ConvFinQA数据集是一个针对金融领域的问答数据集，包括从新闻文章中提取出的问题和答案，旨在测试模型对金融领域相关问题的理解和推理能力。
测试二：FiQA SA，第二个情感分析任务，测试英语金融新闻和社交媒体标题中的情感走向。
测试三：标题，数据集包括关于黄金商品领域的英文新闻标题，标注了不同的子集。任务是判断新闻标题是否包含特定信息，例如价格上涨或价格下跌等。
测试四：FPB，金融短语库数据集包括来自金融新闻的句子情绪分类任务。
测试五：NER，命名实体识别任务，针对从提交给SEC的金融协议中收集金融数据，进行信用风险评估。
对于ConvFinQA来说，这个差距尤为显著，因为它需要使用对话式输入来对表格进行推理并生成答案，具有一定挑战性。
ChatGPT为彭博点赞
华尔街见闻就这个问题专门询问了ChatGPT，ChatGPT认为BloombergGPT是一项很有意义的技术进步：
它是专门为金融领域开发的一种语言模型，可以更好地处理金融领域的数据和任务，并且在金融领域的基准测试中表现出色。
这将有助于金融从业者更好地理解和应用自然语言处理技术，促进金融科技的发展。同时，BloombergGPT还可以为其他领域的语言模型的发展提供参考和借鉴。总的来说，BloombergGPT是一个有益的技术创新。
华尔街见闻
媒体专栏
阅读更多
金色财经 善欧巴
金色早8点
白话区块链
欧科云链
Odaily星球日报
Arcane Labs
MarsBit
深潮TechFlow
BTCStudy
链得得
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。