金融问题的复杂性：涉及法规、风险和实时数据，AI系统必须具备快速学习和适应的能力。通用大模型虽然会推理，但对专业术语、监管细节常常“一脸懵”。可信度和可解释性：金融决策关乎重大利益，出错代价高。每一个推理步骤都必须透明可审计，确保决策过程的可信度和可解释性。金融大模型评测集：业界缺少围绕真实金融业务场景，验证复杂任务推理、智能体应用等关键能力的金融大模型评测集。 从效果上来看，首先，Agentar-Fin-R1在所有金融评测基准上——包括Fineva、FinEval、FinanceIQ和蚂蚁数科全新提出的Finova——均达到业界最优水平，超越业界开源金融大模型，也包括GPT-o1、DeepSeek-R1等超大尺寸通用推理模型。 更专业全面的金融数据标签体系，让模型“出厂即专家”；更高效的加权训练算法，大幅降低大模型应用门槛；模型能力结合真实业务场景自主进化 针对金融任务纷繁复杂的实际情况，蚂蚁数科团队构建了精细化的金融任务分类体系，覆盖银行、证券、保险、基金、信托等全场景。并将复杂的金融领域任务分解为精准定义的类别，比如“意图识别”、“风险评估”、“合规检查”等等。 基于千亿级金融专业数据语料，再经过专门设计的可信数据合成和CoT数据精标，构建了迄今已知最专业最全面的金融领域训练数据集。 首先，是源头可信。背靠蚂蚁在金融领域的长期积累以及真实数据，构建专业全面的金融领域训练数据集，并供下游进行可信的数据合成。 其次，是合成可信。引入可验证的双轨多智能体协作数据合成框架，也就是让多个AI智能体相互讨论相互审核，来保证合成数据质量。 第一阶段，先进行知识全面注入，让模型把金融知识吃透；第二阶段，专挑最难、最弱的题目用强化学习+目标微调，强化模型复杂推理能力。 相较于传统的SFT和RL，这种高效训练优化策略不仅能够缩短模型迭代周期、降低计算成本，更重要的是能够快速响应金融市场的动态变化，确保模型在风险控制、投资决策、合规监管等真实业务场景中，及时部署，自主“进化”。 值得关注的一点是，这次蚂蚁数科不仅是在提升模型能力上下了功夫。为了验证模型在真实场景中的有效性，他们还在“考试题目”上下了功夫。 就像对于通用模型，人类专家们绞尽脑汁设置“人类最后的考试”，极限考验顶尖模型的性能，蚂蚁数科也希望在金融领域，能面向实际部署，更准确地评估模型的真实效用。 具体来说，Finova是从智能体执行任务能力、复杂推理能力、安全合规能力这三个真实场景中最受关注的维度，来对模型进行考察，共包含1350道金融难题。 金融意图检测：精准识别投资咨询、产物询问、风险评估等复杂金融场景中的用户真实需求金融槽位识别：准确抽取和结构化“万能险”、“科创板”等专业金融术语，构建金融文本理解基础金融工具规划：智能解析用户需求并推荐匹配的金融工具，如投资组合分析、基金对比等金融表达生成：基于多种来源的数据源综合生成准确可靠、严格符合监管要求的专业金融表达 举个例子，面对“能告诉我瑞士法郎兑加元现在报价多少，近期加元为什么跌得这么凶”这样的问题，模型理解用户意图为对“外汇”进行信息查询+分析解读，识别“瑞士法郎”、“加元”等槽位，调用相应查询工具，最后综合多种信息源生成回答。 涵盖资产估值、投资组合优化、风险分析等核心金融业务；考验模型在历史数据分析、结果预测、复杂场景推理等方面的综合表现。 某工业公司2024年4月的财务数据显示：边际贡献总额为 ,000，净利润为 ,000。预计5月份销售量将同比增长5%，假设公司成本结构和固定成本保持不变。则该公司在此期间的经营杠杆系数（DOL）为 __，对应的净利润预期增幅为 __%（结果分别保留一位小数和整数位）。 从实验结果可以看出，Agentar-Fin-R1这样的垂直模型，是行业赛道中的“隐藏王牌”，在实际应用场景中往往能比通用模型更快落地、发挥作用。 有必然性，基因就在那里。作为蚂蚁集团的科技商业化独立板块，蚂蚁数科长期浸润一线，天然具备对金融场景更深度的行业理解和数据积累。 Agentar链接数百个金融MCP，为金融机构规模化应用大模型提供强大的数据生态，并已联合金融行业机构推出超百个金融智能体解决方案，覆盖银行、证券、保险、通用金融等四大领域，能提升一线员工工作效率超80%。
