上海交大高金学院怎么样

中新网上海新闻1月18日电(记者姜煜)“爱高金爱归”上海交通大学上海高级金融学院2024年度校友年会暨15周年院庆“金融科技”论坛近日在上海圆满举行。

本届金融科技论坛由上海交通大学上海高级金融学院承办，上海交通大学上海高级金融学院校友会承办，上海高金金融研究院、国际金融家论坛数字化转型专业委员会和并购重组委协办。

来自高校的领导、各界人士、业界嘉宾等500多人出席了此次论坛。

本次论坛以“AI大模型在金融领域的应用”为主题，聚焦人工智能，特别是大模型技术在金融垂直领域的应用。

上海交通大学校长助理在朝阳、上海高级金融学大学友总会执行会长王建郡为本次论坛致辞。

论坛上，上海交通大学上海高级金融学院( SAIF )与粤港澳湾数字经济研究院(简称“IDEA研究院”)举行了战略合作签约仪式。

上海交通大学上海高级金融学院副院长、会计学教授、中国金融研究院副院长、上海高金金融研究院联合院长李峰和粤港澳湾数字经济研究院执行院长郭健代表双方隆重签署战略合作协议。

双方将融合发挥各自资源优势，在推进学术和行业研究、培养专业人才、共建金融大模式等方面开展多层次合作。

签约仪式结束后，上海交通大学校长助理与朝阳、上海交通大学文科建设处处长吴文锋和李峰院长、郭健院长共同推出“金融知识大模式”。

上海交通大学上海高级金融学院希望借助最新的大模式技术，将学院的人才培养专注力、学术研究影响力和服务社会的向心力深度融合，积极应对现实场景中面临的系列需求。

IDEA研究院长期以来寻求AI前沿技术与各行各业在数字经济时代的深度融合，深入参与了大规模模型技术从广泛关注到广泛应用的过程。

两家机构携手努力，引领AI大模式在金融领域发展新篇章，更好助力实体经济高质量发展。

粤港澳大湾区数字经济研究院数字金融首席科学家林舟驰博士为大家解读“金融知识大模式”。

作为针对教育科研机构现实场景下的一系列痛点提出的创新解决方案，“金融知识大模型”面向金融教育、金融咨询和金融分析三大场景：

支撑金融知识搜索、知识问答、信息抽取、意图识别、代码智能和工具呼叫等能力，具有“金融问题分析”、“金融分析计算”、“金融事件分析”三大功能。

在金融问题分析中，基于输入的金融问题，大模型可以通过问题关键词进行背景知识检索、相关案例检索、相关例题检索，根据需要解决问题、分析答案、答疑等。

在金融计算分析中，对于金融计算问题，在大模型内部经过“知识库检索”、“官方召回”、“代码生成”、“编译计算”等环节，输出最终的正确答案。

在金融事件分析中，金融知识大模型基于大量新闻库、财务报告库、研究报告库的数据，具有多次高质量的金融交互、思维导图生成、问题推荐等功能。

测试结果表明，金融知识大模型性能突出。

不仅在主流金融测试集FinEval上全面超越了现有主流大机型，在金融领域重要考试中成绩喜人的——在CPA考试中全面超越了包括GPT3.5和GPT4在内的现有主流大机型； 在CFA试验中，

全面超越主流中文大模式，几乎所有科目都在和GPT4较量。

为了更形象地展示金融知识大模型的能力，现场演示了3个场景。

第一个场景是求解CPA例题。

CPA问题比较短，金融知识大模型在定位了与问题关键词对应的知识点后，对知识点检索进行了特定的优化。

第二个场景是求解更复杂的CFA二级分析计算问题。

求解金融知识大模型的过程要经过OCR图识别和STEM剪枝过程来简化问题。

在这两种情况下，学生都可以通过一种交互式学习方式，获得答案解析和问题内容的答疑，很容易颠覆传统的人机教学方式，提高学生对复杂知识的接受度。

第三个场景是对“2023年中央金融工作会议”的公报内容进行深层次的信息检索和总结。

金融知识大模型构建了以“2023中央金融工作会议”为问题主体的思维导图，并生成了相关子问题。

通过意图识别选择相关子节点对金融知识库、信息库进行信息检索，最后通过金融知识大模型进行最终内容生成。

金融知识大模型的优秀表现，是以金融知识库的大语言模型为基础，结合金融、教育、咨询场景的高质量词汇进行模型预训练，取代传统单一语言模型的基础结构的创新“知识驱动”方案的背后

形成了思维图谱推理技术。

这种思维图谱推理技术可以在一定程度上对模型的推理过程进行白盒化，通过知识的归纳、整理形成思维图谱，逐步解决一个现实的金融问题。

基于知识模型的基础，研发团队开发了一系列面向现实场景的工具界面，包括金融信息提取、海量研究报告和新闻资料，以及有价值的金融常识、金融主体和关系信息、金融事件的各个观点。

所有这些金融信息都将被解析并最终吸收为金融知识库的一部分，以服务于各种顶级任务，包括知识搜索、知识问答、摘要生成和事件分析。

目前，金融知识库包含20多万份研报、3000多万条新闻信息。

模型采用金融教科书、企业财务报告、企业研究报告、新闻舆论、法律案例、政府报告等160G以上高质量的金融文本进行阶段性事前培训，

金融公式、金融问题、金融代码、金融问答； a、通过衍生自金融表、金融知识图谱等30多万条高质量指令数据进行监管微调，有力保证了大机型最终输出内容的可靠性和可控性。

在演讲环节，欧洲人文自然科学院外籍院士、欧洲科学院院士、上海交通大学自然科学研究院院长金石以“量子计算与金融”为主题，展示了量子计算在金融领域的最新进展。

特许全球金融科技师( CGFT )学术委员会委员、恒生电子首席科学家、中科院博导、上海证券交易所原总工程师白硕从实践专家的角度阐述了“大型金融业应用的挑战与机遇”主题。

作为圆桌会议的一部分，由上海交通大学上海高级金融学院副院长、会计学教授李峰主持，围绕“大模式在金融业应用的挑战与机遇”的研讨主题，

与浦发银行信息科技部副总经理万化、平安资源管理大数据总监刘剑、上海人工智能研究院院长宋海涛和信也科技副总裁陈磊展开交流。

四位专家分别从银行、保险、研究机构和科技企业的角度，结合自身工作实际与大家分享了所在领域人工智能，特别是金融大模式的应用现状、成功经验、发展挑战和未来趋势。

（完））。

編集：姜煜