议题说明：本议题旨在探讨大模型在信用评估、欺诈检测和客户服务场景中的微调策略，分析其共性与差异，以优化模型性能。对于企业而言，理解这些策略有助于更有效地利用大模型解决实际问题，提升业务效率。**议题主持人：苟志龙    某股份制银行    高级工程师主持导语： 在本...(more)

这篇文章从深入地分析模型原理开始，对各种模型底层进行了详细的对比。然后，结合保险业务应用场景进行了实用性分析，实现了从技术核心到应用层面的全面解读。引入新技术的同时，也会带来新的技术风险。因此，每个金融机构都需要根据其自身特点，既要落实科技金融和数字金融的实际应...(more)

在LLM（大型语言模型)新时代的到来之前，我们通常会通过简单的微调来使用新数据扩展模型的能力。然而，如今我们使用的模型规模越来越大，训练所使用的数据量也随之增加，仅仅依赖微调已经无法满足大部分场景的需求。微调虽然在调整模型的语气和风格方面表现出色，但在向模型添加大量...(more)

随着人工智能技术的飞速发展，大模型技术已成为推动金融行业创新与发展的重要力量 ， 已被广泛探索和应用 。一.大小银行布局大模型工商银行通过构建基于大模型的智能研发体系，实现了编码助手自动生成代码，其中自动生成的代码量达到了总代码量的40%。此外，该行还在国内同业中率...(more)

摘要： 数据基础设施是银行数字化转型的重要支撑，也是支撑金融服务模式创新和转型发展的基石。随着金融科技的快速发展，金融机构业务系统越来越复杂，数据量越来越大，这给银行数据基础设施建设带来了挑战。银行应采用云计算、大数据、人工智能等新技术手段，建立大数据平台和大数...(more)

大模型是新方向、新学科，跟随作者分享多多学习

从作者的实践来看，LLM微调能够充分发挥预训练模型的基础能力,在大幅缩短训练周期、提升模型泛化性、简化部署迭代等方面更具优越性，值得我们借鉴学习。

AI大模型科普文，值得深入研究。目前是否有开源的大模型及其数据集可供参考研究的？

好文。将redis作为一般的持久化数据库进行使用，其他关系型数据库如mysql/oracle等的一些特点，如ACID等，是否会影响业务数据的完整性、安全性等？

文章很好，结构和内容非常清晰，按需进行架构扩展，徐徐展开，可作为技术路线选型参考进行测试环境或场景搭建。有一不太了解之处为，3.5日志容灾备份方案 一节的 消费组件侧数据同步的 保证数据的一致性或强一致性，是否有这个必要？是否有已知的能确保强一致性的方法或方案？日志数据是...(more)