三分钟搭建工作流 | FinGo如何击破大模型金融知识壁垒

财富   2024-11-15 18:01   上海  

随着FinGo的重磅发布,AI在金融领域的应用也成为了热门话题。随之而来被挑战最多的问题就是“准确度有多少?”、“完整度高吗?会不会都是互联网的废料回答?”,出现这样问题的原因大都集中于两个维度的顾虑:大模型知识的局限性和AI带来的幻觉。


从第一个角度来看大模型能回答多少,取决于它知道多少。市场上通用的大模型的知识通常来源于其训练数据集。目前,主流的LLM(大模型)的训练集基本都是构建于网络公开的数据。对于最新的、非公开的或离线的数据,这些模型往往无法获取,因此也就无法掌握相关的知识。


第二个维度的顾虑,和大模型的逻辑有关。所有的AI模型的底层原理都是基于数学概率,其模型输出实质上是一系列数值运算,大模型也不例外,所以它有时候会一本正经地胡说八道,尤其是在大模型自身不具备某一方面的知识或不擅长的场景。而这种幻觉问题的区分是比较困难的,因为它要求使用者自身具备相应领域的知识。


FinGo充分考虑到金融行业对于任何回答都要求极高的准确性和可靠性,为此我们提供了一套有效的解决方案:通过预置高质量的金融行业垂直领域知识库,将用户问题从知识库中检索相关信息,并将检索到的信息和问题注入到大模型提示词中,大模型最后给出严谨且完整的答案。


朝阳永续在过去20多年的时间中,沉淀了各类金融数据,这些都是我们“喂”给大模型最好的知识库。通过对这些金融相关数据的拆解,我们形成了自有的特色预置知识库,并且知识库的内容还在持续不断的更新,更好的贴合不断变化的金融市场。


分享一个简单的案例:(更多工作流应用案例可以通过扫描文末企微客服二维码获取json文件进行试用)


众所周知,GPT-4o mini的现实世界知识截止时间现在2023年10月。当我们直接问GPT-4o mini有关贵州茅台今年业绩预测的问题:


那么我们在FinGo中如何解决这个问题呢?


 第一步:在工作台页面中点击“新建” - 选择 “简易应用”,在弹框中输入智能体名字后点击“创建空白应用”。


 第二步:添加朝阳永续提供的研报知识库插件。



 第三步:开始问答


不难看出,在高质量金融预置知识库的加持下,我们获取到的回答内容一定是准确且具备最高的时效性的。市场并不缺少训练有素的大模型,但是细分到金融行业,针对回答内容要求严谨度极高的环境下,大模型也需要有针对性的做学习,而这正是朝阳永续长期拥有的沉淀,才能造就FinGo能够帮助金融企业快速、低成本地构建承载复杂行业逻辑和依赖广域金融知识的金融行业智能体,同时最大化满足其对精确性和可靠性的较高要求。


欢迎关注企微开通FinGo试用账号,更多工作流json文件等您领取!











朝阳永续
走在中国行业前沿的大数据服务商,秉持专业、前瞻、实务的理念,让数据更有价值!
 最新文章