新浪科技訊 7月28日下午消息，螞蟻世界人工智能大會(huì)論壇上，數(shù)科螞蟻數(shù)科正式發(fā)布金融推理大模型Agentar-Fin-R1，發(fā)布為金融AI應(yīng)用打造“可靠、金融可控、推理可優(yōu)化”的大模智能中樞。Agentar-Fin-R1基于Qwen3研發(fā)，螞蟻在FinEval1.0、數(shù)科FinanceIQ等權(quán)威金融大模型評(píng)測(cè)基準(zhǔn)上超越Deepseek-R1等同尺寸開源通用大模型以及金融大模型，發(fā)布顯示其更強(qiáng)的金融金融專業(yè)性、推理能力以及安全合規(guī)能力。推理

　　隨著金融業(yè)數(shù)智化轉(zhuǎn)型不斷提速，大模大模型在金融領(lǐng)域的螞蟻應(yīng)用正持續(xù)深化，然而在實(shí)際業(yè)務(wù)場(chǎng)景中，數(shù)科往往需要高度專業(yè)的發(fā)布金融知識(shí)、復(fù)雜的業(yè)務(wù)邏輯推理能力以及嚴(yán)格的金融級(jí)安全合規(guī)等要求，現(xiàn)有的大模型在解決實(shí)際金融任務(wù)時(shí)仍然存在諸多挑戰(zhàn)。

　　“通用大模型距離產(chǎn)業(yè)實(shí)際應(yīng)用存在‘知識(shí)鴻溝’。構(gòu)建專業(yè)的金融大模型是推進(jìn)金融與AI深度融合的必然路徑，未來，金融大模型的應(yīng)用深度將成為金融機(jī)構(gòu)競(jìng)爭(zhēng)力的關(guān)鍵要素。”螞蟻數(shù)科CEO趙聞飆在演講中表示。

　　據(jù)悉，螞蟻數(shù)科通過構(gòu)建全面的金融任務(wù)數(shù)據(jù)體系以及模型訓(xùn)練算法創(chuàng)新，實(shí)現(xiàn)模型更強(qiáng)的金融推理能力及可信性。評(píng)測(cè)結(jié)果顯示：相較于通用開源模型及其他金融模型，Agentar-Fin-R1在FinEval1.0、FinanceIQ兩大主流金融基準(zhǔn)測(cè)試中均取得最高評(píng)分。并且模型在金融能力顯著增強(qiáng)的同時(shí)，通用能力也表現(xiàn)出較高水準(zhǔn)。

　　在數(shù)據(jù)層面，螞蟻數(shù)科構(gòu)建了業(yè)內(nèi)最全面與專業(yè)的金融任務(wù)分類體系，包括6大類、66小類場(chǎng)景，覆蓋銀行、證券、保險(xiǎn)、基金、信托等金融全場(chǎng)景。基于千億級(jí)金融專業(yè)數(shù)據(jù)語料，通過可信數(shù)據(jù)合成技術(shù)以及結(jié)合專家標(biāo)注的金融長(zhǎng)思維鏈（CoT）構(gòu)造機(jī)制，顯著提升模型處理復(fù)雜任務(wù)的能力，讓大模型“天生懂金融，出廠即專家”。

　　在訓(xùn)練層面，創(chuàng)新的加權(quán)訓(xùn)練算法，提高大模型對(duì)復(fù)雜金融任務(wù)學(xué)習(xí)效率與性能。在后續(xù)業(yè)務(wù)應(yīng)用中，可顯著減少二次微調(diào)的數(shù)據(jù)需求與算力消耗，有效降低大模型在企業(yè)落地的門檻與成本。此外，Agentar-Fin-R1還能不斷更新迭代，吸收最新的金融政策、市場(chǎng)動(dòng)態(tài)等關(guān)鍵信息，并通過配套評(píng)測(cè)工具進(jìn)行針對(duì)性優(yōu)化，讓模型能力在真實(shí)業(yè)務(wù)場(chǎng)景中不斷進(jìn)化。

　　據(jù)悉，Agentar-Fin-R1包括32B和8B參數(shù)兩個(gè)版本。螞蟻數(shù)科還推出基于百靈大模型的MOE架構(gòu)模型，獲得更優(yōu)推理速度。此外，還有非推理版本的14B和72B參數(shù)大模型，以滿足金融機(jī)構(gòu)在多樣化場(chǎng)景下的部署需求。

海量資訊、精準(zhǔn)解讀，盡在新浪財(cái)經(jīng)APP

責(zé)任編輯：李鐵民