数据：
财跃星辰于2025年3月21日开源发布了首款金融领域的R1类推理大模型Fin-R1，模型参数为7B，评测得分75.2，位居榜单第二，仅与671B参数的DeepSeek-R1差3分。
线索：
Fin-R1的推出可能为金融行业带来多种投资机会，包括智能投研、市场分析与自动化金融决策，但同时也需警惕数据隐私、安全性及推理信任度等潜在风险。
正文：
财跃星辰与上海财经大学的张立文教授及其课题组近日联合发布了首款金融领域的推理大模型Fin-R1。该模型具有7B参数，但在权威评测中显示出与参数高达671B的DeepSeek-R1仅差3分，得分75.2，位列评测榜单第二。通过构建高质量的金融推理数据集及两阶段混合框架训练，Fin-R1证明了金融领域R1类推理大模型的可复现性，并探索出“数据构建-模型训练-性能验证-模型部署-场景应用”的技术闭环，进一步推动了大模型在金融领域的应用。
Fin-R1可广泛应用于银行、基金、保险和证券等多个金融场景。在银行业务中，Fin-R1能够进行贷款利息的精准计算和财富管理方案优化；在基金投资中，它能够支持投资顾问的资产配置，帮助用户作出明智的投资决策；在保险行业，它可以高效评估保单收益及市场趋势预测；在证券领域，它甚至能参与量化交易代码的编写，从而提高代码效率。通过训用高质量的数据，Fin-R1不仅能够提供扎实的金融知识支持，还具备复杂推理计算的能力。
Fin-R1的整体工作流程包括构建规模为60K的金融推理数据集来重构知识体系，采用“两阶段训练框架”塑造模型认知和推理能力，并在多个金融基准测试中验证性能突破，实现数据构建与场景应用的完整链条。
在数据构建方面，该团队通过领域知识蒸馏筛选以及专业金融知识的多维度数据集，构建了高质量的Fin-R1-Data，并采用双轮质检机制确保数据质量。在模型训练上，项目组采用了系统学习与实战优化的模式，通过两阶段的训练极大提升了模型的金融推理能力。
在性能验证方面，Fin-R1在多个金融业务场景测试中表现出色，以仅7B的参数规模展现显著的性能优势，尤其在真实金融数据字段推理及多轮交互上展现出强大的处理能力。该模型的开源部署将使得用户能够快速上手，解决各类金融场景问题。
Fin-R1在金融领域展现出了多场景适配能力，能够执行如交易系统代码生成、估值模型计算等复杂任务，并在金融安全的合规方面担任实时监测的角色。通过解决金融行业数据碎片化及推理逻辑不稳定等问题，Fin-R1为智能化金融发展提供了强大支持。
张立文教授表示Fin-R1不仅复现了金融推理领域的首个大语言模型，同时其开源特性也适用于不同环境的部署。财跃星辰的团队目前正将Fin-R1应用于广泛的金融场景，并进行模型的调优与升级。
发布时间：
2025-03-21 10:00:06
评论 ( 0 )