作為人工智能在文本處理領(lǐng)域的最前沿技術(shù)，大語言模型歷史性地站在了時(shí)代的風(fēng)口，并為金融行業(yè)帶來重大改變，未來還將繼續(xù)滲透金融工作者決策的方方面面，并幫助廣大投資者分析和理解金融市場(chǎng)。本文從大語言模型簡(jiǎn)介、大語言模型對(duì)于金融行業(yè)的重要性、大語言模型在金融場(chǎng)景落地的前沿案例和大語言模型在金融場(chǎng)景落地的監(jiān)管五個(gè)方面探討大語言模型在金融領(lǐng)域的應(yīng)用前景。

2023年召開的中央金融工作會(huì)議提出做好科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章，對(duì)數(shù)字金融高質(zhì)量發(fā)展提出了新要求。為了取得突破，必須把握數(shù)字技術(shù)革命的契機(jī)，促進(jìn)金融與數(shù)字技術(shù)的深度結(jié)合，努力提高金融服務(wù)對(duì)實(shí)體經(jīng)濟(jì)的支持效率，加強(qiáng)全面性風(fēng)險(xiǎn)的防范措施，并持續(xù)滿足社會(huì)經(jīng)濟(jì)進(jìn)步及公眾對(duì)金融服務(wù)的期望，以加速推進(jìn)金融強(qiáng)國(guó)的建設(shè)進(jìn)程。

大語言模型作為人工智能在文本處理領(lǐng)域的最前沿的技術(shù)，歷史性地站在了時(shí)代的風(fēng)口，正在對(duì)人類經(jīng)濟(jì)社會(huì)發(fā)展帶來智能化浪潮的顛覆性猛烈沖擊。這類模型依托深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)，具備了對(duì)人類語言的深入理解和生成能力，在內(nèi)容生成、機(jī)器翻譯等多種應(yīng)用場(chǎng)景存在巨大的發(fā)展?jié)摿?。金融業(yè)具備服務(wù)業(yè)的基本性質(zhì)，存在大量的語言交流和文件處理需求，且金融行業(yè)時(shí)刻都在產(chǎn)生海量的金融數(shù)據(jù)，這使得金融業(yè)成為大語言模型的極佳應(yīng)用場(chǎng)景。自2022年11月ChatGPT問世以來，金融業(yè)界對(duì)大語言模型給予了高度重視，各大金融機(jī)構(gòu)加快大語言模型的部署以及應(yīng)用落地，國(guó)內(nèi)多家科研機(jī)構(gòu)也先后推出經(jīng)過金融語料微調(diào)的，更加適用于金融場(chǎng)景任務(wù)的金融大語言模型。大語言模型將助力金融業(yè)以及經(jīng)濟(jì)發(fā)展，根據(jù)高盛研究團(tuán)隊(duì)估計(jì)，大語言模型將在未來10年向全球經(jīng)濟(jì)提供額外的1.2%左右的增長(zhǎng)率。

將大語言模型深入應(yīng)用于金融行業(yè)正是做好數(shù)字金融這篇大文章的重要實(shí)踐。但是目前中國(guó)大語言模型在金融行業(yè)的落地尚處于早期探索階段，很多金融企業(yè)都對(duì)大語言模型有著濃厚的興趣和希望，能直接轉(zhuǎn)換并應(yīng)用到實(shí)際業(yè)務(wù)場(chǎng)景的并不多。因此，為了更好地促進(jìn)大語言模型在金融領(lǐng)域的應(yīng)用，本文詳細(xì)討論了哪些金融領(lǐng)域和金融場(chǎng)景適合大語言模型的落地，并給出了一些具體的實(shí)踐案例供讀者參考。具體而言，文本將從大語言模型簡(jiǎn)介、大語言模型對(duì)于金融行業(yè)的重要性、大語言模型在金融場(chǎng)景落地的前沿案例和大語言模型在金融場(chǎng)景落地的監(jiān)管五個(gè)方面進(jìn)行深入分析和探討。

大語言模型簡(jiǎn)介

大語言模型是一種能夠處理、理解和生成自然語言文本的機(jī)器學(xué)習(xí)模型，是以未標(biāo)注文本作為訓(xùn)練集的、經(jīng)過自監(jiān)督或半監(jiān)督學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)模型。這些模型通常基于Transformer架構(gòu)，能夠捕捉文本數(shù)據(jù)中的語法、語義和上下文關(guān)系，從而實(shí)現(xiàn)對(duì)文本的高質(zhì)量生成和理解。參數(shù)規(guī)模大、算力要求高是大語言模型的顯著特點(diǎn)，之所以消耗大量算力來應(yīng)用如此大規(guī)模的模型，是因?yàn)槟Ｐ偷母黜?xiàng)語言能力會(huì)在模型規(guī)模突破一定閾值之后，迎來飛躍式的增長(zhǎng)。相比傳統(tǒng)的機(jī)器學(xué)習(xí)模型，大語言模型在處理另類數(shù)據(jù)時(shí)需要更少的人工數(shù)據(jù)清洗和標(biāo)注工作，是處理非結(jié)構(gòu)化數(shù)據(jù)的利器。在實(shí)際應(yīng)用中，大語言模型被廣泛用于機(jī)器翻譯、文本生成、情感分析、問答系統(tǒng)等多個(gè)自然語言處理任務(wù)。它們不僅能夠理解人類語言的復(fù)雜性，還能生成富有創(chuàng)造性和邏輯性的文本，為人機(jī)交互和自動(dòng)化處理提供了強(qiáng)大的工具。

政策方面，我國(guó)政府對(duì)人工智能和大語言模型的發(fā)展也給予了極大的重視。早在2017年，我國(guó)政府就發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，明確提出了包括自然語言模型在內(nèi)的多項(xiàng)人工智能技術(shù)發(fā)展的目標(biāo)、路徑和政策措施。“十四五”期間，我國(guó)針對(duì)人工智能的未來發(fā)展陸續(xù)出臺(tái)了相關(guān)指導(dǎo)方案和激勵(lì)支撐政策。2023年3月，科技部等6部委發(fā)布《關(guān)于加快場(chǎng)景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》。意見指出，要以促進(jìn)人工智能與實(shí)體經(jīng)濟(jì)深度融合為主線，探索人工智能發(fā)展新模式新路徑，以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。2023年7月，中共中央政治局會(huì)議指出，要推動(dòng)數(shù)字經(jīng)濟(jì)與先進(jìn)制造業(yè)、現(xiàn)代服務(wù)業(yè)深度融合，促進(jìn)人工智能安全發(fā)展。同月，網(wǎng)信辦等7部委聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，鼓勵(lì)生成式人工智能技術(shù)在各行業(yè)、各領(lǐng)域的創(chuàng)新應(yīng)用。政府對(duì)大語言模型高度重視，多項(xiàng)政策并舉，為我國(guó)大語言模型發(fā)展及其金融場(chǎng)景應(yīng)用保駕護(hù)航。

大語言模型對(duì)于金融行業(yè)的重要性

大語言模型不僅可以處理海量的金融數(shù)據(jù)，還能夠從中提取出有價(jià)值的信息和見解，并自動(dòng)生成相應(yīng)的金融文本或金融決策。從智能客服到風(fēng)險(xiǎn)管理，再到市場(chǎng)分析和個(gè)性化服務(wù)，大語言模型都發(fā)揮著關(guān)鍵作用。它們幫助金融機(jī)構(gòu)提高效率、降低風(fēng)險(xiǎn)、改善客戶體驗(yàn)，同時(shí)為決策者提供更深入的市場(chǎng)洞察和決策支持。隨著技術(shù)的不斷進(jìn)步，大語言模型將繼續(xù)在金融領(lǐng)域發(fā)揮重要作用，成為金融創(chuàng)新和數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動(dòng)力。

投資決策

首先，大語言模型能夠通過分析大量的新聞報(bào)道、財(cái)務(wù)報(bào)表和宏觀經(jīng)濟(jì)數(shù)據(jù)，提供關(guān)于特定投資機(jī)會(huì)的深入見解和建議。例如，大語言模型可以自動(dòng)化地搜索、抓取和分析全球范圍內(nèi)的新聞報(bào)道，從而幫助投資者及時(shí)了解市場(chǎng)動(dòng)態(tài)、行業(yè)發(fā)展趨勢(shì)和公司業(yè)績(jī)表現(xiàn)，為投資決策提供參考。其次，大語言模型可以深入分析公司的財(cái)務(wù)報(bào)表，評(píng)估公司的財(cái)務(wù)狀況、盈利能力和成長(zhǎng)潛力，幫助投資者更全面地了解公司，并做出更明智的投資決策。此外，大語言模型還可以分析宏觀經(jīng)濟(jì)數(shù)據(jù)，如國(guó)家的經(jīng)濟(jì)增長(zhǎng)率、通貨膨脹率、利率水平等，從而幫助投資者更好地把握市場(chǎng)趨勢(shì)和風(fēng)險(xiǎn)。

風(fēng)險(xiǎn)評(píng)估

在金融領(lǐng)域，大語言模型也廣泛應(yīng)用于風(fēng)險(xiǎn)評(píng)估，幫助金融機(jī)構(gòu)更準(zhǔn)確地評(píng)估潛在的風(fēng)險(xiǎn)。首先，大語言模型可以通過分析個(gè)體或企業(yè)的信用歷史、財(cái)務(wù)狀況等數(shù)據(jù)，來評(píng)估其信用風(fēng)險(xiǎn)，幫助金融機(jī)構(gòu)更好地管理借款人的信用風(fēng)險(xiǎn)。其次，大語言模型還可以分析市場(chǎng)數(shù)據(jù)和宏觀經(jīng)濟(jì)指標(biāo)，識(shí)別出市場(chǎng)波動(dòng)的趨勢(shì)和規(guī)律，幫助投資者更好地理解市場(chǎng)的風(fēng)險(xiǎn)情況，并做出相應(yīng)的投資決策。此外，大語言模型還可以分析歷史數(shù)據(jù)并建立模型，來預(yù)測(cè)信貸違約的可能性。通過對(duì)大量的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，它可以識(shí)別出導(dǎo)致違約的主要因素，并預(yù)測(cè)未來可能出現(xiàn)的違約情況，為金融機(jī)構(gòu)提供預(yù)警和風(fēng)險(xiǎn)管理建議。

市場(chǎng)分析

首先，大語言模型可以利用其強(qiáng)大的自然語言處理能力，分析包括新聞、社交媒體在內(nèi)的各種信息源，以捕捉市場(chǎng)情緒和趨勢(shì)，從而幫助交易員和研究者做出更明智的決策。例如，大語言模型可以自動(dòng)抓取、解析和理解大量的新聞文章，以識(shí)別出與市場(chǎng)相關(guān)的重要信息和事件。其次，大語言模型還可以監(jiān)測(cè)社交媒體平臺(tái)上的討論和評(píng)論，從而感知市場(chǎng)參與者的情緒波動(dòng)和輿論傾向。此外，大語言模型還可以結(jié)合其他信息源，如財(cái)務(wù)報(bào)表、行業(yè)研究報(bào)告等，進(jìn)行綜合分析，為交易員和研究者提供更全面、更深入的市場(chǎng)洞察。

文檔處理

大語言模型可以利用其自然語言處理和理解能力，自動(dòng)化處理各種金融合同、報(bào)告和其他文檔，從而提高工作效率并減少錯(cuò)誤。例如，它可以自動(dòng)識(shí)別合同中的條款和條件，提取報(bào)告中的數(shù)據(jù)和指標(biāo)，從而減少人工處理文檔的時(shí)間和成本。此外，大語言模型還可以利用自然語言生成技術(shù)，自動(dòng)生成金融報(bào)告、摘要和其他文檔，從而提高文件生成效率和質(zhì)量。

自動(dòng)化客戶服務(wù)

首先，大語言模型通過利用其自然語言理解和生成能力，以用于構(gòu)建智能虛擬助手和自動(dòng)化客戶服務(wù)機(jī)器人，以回答客戶的常見問題，執(zhí)行基本的交易操作，并提供金融建議。例如HN16ROxPjqGW+uL1GNlheA==，當(dāng)客戶在網(wǎng)站或應(yīng)用程序上輸入問題時(shí)，大語言模型可以自動(dòng)識(shí)別并理解這些問題，從而為客戶提供相應(yīng)的回答或解決方案。其次，大語言模型還可以與金融系統(tǒng)集成，執(zhí)行基本的交易操作。例如，當(dāng)客戶需要轉(zhuǎn)賬、支付賬單或查詢交易狀態(tài)時(shí)，大語言模型可以自動(dòng)與金融系統(tǒng)進(jìn)行交互，并執(zhí)行相應(yīng)的操作，從而實(shí)現(xiàn)自動(dòng)化的客戶服務(wù)。最后，大語言模型還可以提供個(gè)性化的金融建議。通過分析客戶的賬戶信息、交易歷史和投資偏好，大語言模型可以為客戶提供定制化的投資建議，幫助他們做出更明智的金融決策。

輿情分析

通過對(duì)新聞和社交媒體內(nèi)容進(jìn)行情感分析，大語言模型可以幫助管理機(jī)構(gòu)和研究者跟蹤熱點(diǎn)事件的輿論走向，從而更好地了解公眾對(duì)特定事件或話題的態(tài)度和情緒。首先，大語言模型可以分析社交媒體上的內(nèi)容和評(píng)論，以獲取公眾對(duì)特定事件的即時(shí)反饋和情緒表達(dá)，識(shí)別出熱點(diǎn)話題和關(guān)注度較高的事件。其次，大語言模型可以分析新聞報(bào)道中的情感傾向，如正面、負(fù)面或中立，從而幫助管理機(jī)構(gòu)和研究者更準(zhǔn)確地把握輿論傾向。（見表1）

大語言模型在金融場(chǎng)景落地的前沿案例

捕捉市場(chǎng)情緒

大語言模型通過對(duì)實(shí)時(shí)新聞和社交媒體的分析，可以迅速捕捉到市場(chǎng)的情緒變化和潛在的市場(chǎng)動(dòng)態(tài)，從而預(yù)測(cè)可能的市場(chǎng)波動(dòng)。例如，當(dāng)某公司發(fā)布了重大新聞或政策變動(dòng)，模型可以根據(jù)新聞公告文本，迅速分析相關(guān)報(bào)道的正面/負(fù)面情緒，為投資者提供即時(shí)的市場(chǎng)趨勢(shì)預(yù)測(cè)。

具體而言，大語言模型能夠快速、全面地分析文本內(nèi)容，把非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)化為向量表示的若干特征。相比傳統(tǒng)的自然語言處理方法，大語言模型更好地結(jié)合語境編碼詞向量，充分捕捉語義和情感信息。由此形成的結(jié)構(gòu)化數(shù)據(jù)，顯著地根據(jù)語義聚集為不同類別，進(jìn)而開展的情感分類，其準(zhǔn)確程度大大提高。芝加哥大學(xué)修大成教授的研究團(tuán)隊(duì)利用多個(gè)大語言模型分析了全球上市公司的新聞文本，其情感分析的準(zhǔn)確率已經(jīng)足以構(gòu)建一個(gè)有相當(dāng)盈利能力的投資策略。團(tuán)隊(duì)指出，大語言模型能準(zhǔn)確捕捉新聞中有情感傾向的關(guān)鍵詞，基于大語言模型的投資策略取得了優(yōu)異的投資回報(bào)，在美股2004—2019年可達(dá)到49%的年化收益。清華大學(xué)五道口金融學(xué)院的張曉燕教授團(tuán)隊(duì)將國(guó)內(nèi)外大語言模型應(yīng)用在A股上市公司新聞中，在A股市場(chǎng)上，大語言模型得出了較高的情感分析準(zhǔn)確率以及優(yōu)異的投資表現(xiàn)。（見圖1）

宏觀經(jīng)濟(jì)預(yù)測(cè)

2023年4月，Joseph Lupton等摩根大通經(jīng)濟(jì)學(xué)家運(yùn)用基于ChatGPT的語言模型來檢測(cè)政策信號(hào)的期限，運(yùn)用美聯(lián)儲(chǔ)過去的25年來發(fā)布的歷次聲明和官員講話數(shù)據(jù)微調(diào)模型，并建立“鷹-鴿”指數(shù)對(duì)政策信號(hào)進(jìn)行了從寬松到緊縮的評(píng)級(jí)。其中，鷹派通常傾向于更嚴(yán)格的貨幣政策，包括提高利率，以控制通脹和穩(wěn)定經(jīng)濟(jì)。相反，鴿派更傾向于寬松的貨幣政策，保持低利率以刺激經(jīng)濟(jì)增長(zhǎng)和就業(yè)。“鷹-鴿”指數(shù)通過深入分析美聯(lián)儲(chǔ)官員的言論、聲明、投票記錄和其他公開可獲得的數(shù)據(jù)，為每位官員分配一個(gè)數(shù)值評(píng)分?！苞?鴿”指數(shù)反映了美聯(lián)儲(chǔ)官員在貨幣政策上的立場(chǎng)，從而幫助投資者、經(jīng)濟(jì)學(xué)家和政策制定者更好地理解美聯(lián)儲(chǔ)的政策走向和未來可能的經(jīng)濟(jì)影響。研究者將各國(guó)先行一周的“鷹-鴿”指數(shù)與該國(guó)一年期國(guó)債利率的變化率進(jìn)行回歸，在美國(guó)、歐盟、英國(guó)均取得了顯著的t值（15.5， 13.4， 7.6）?；貧w系數(shù)表明，“鷹-鴿”指數(shù)上升10分，預(yù)示一周后的美國(guó)一年期國(guó)債利率上升14bp，歐洲央行一年期國(guó)債利率上升12bp，英國(guó)一年期國(guó)債利率上升12bp。（見圖2）

大語言模型在金融場(chǎng)景落地的監(jiān)管

數(shù)據(jù)安全問題與應(yīng)對(duì)

金融領(lǐng)域大語言模型的輸出存在數(shù)據(jù)安全隱患。在推介風(fēng)險(xiǎn)產(chǎn)品時(shí)，并應(yīng)充分披露決策信息和產(chǎn)品風(fēng)險(xiǎn)。面向投資者，模型輸出應(yīng)確保遵守相關(guān)金融法規(guī)和指導(dǎo)原則，如不發(fā)布誤導(dǎo)性投資建議，不進(jìn)行違規(guī)的股票推薦等，確保投資者權(quán)益。此外，大語言模型的輸出內(nèi)容還應(yīng)公平合規(guī)，不包含任何偏見，避免涉及用戶隱私。大語言模型的訓(xùn)練數(shù)據(jù)集中經(jīng)常包含大量互聯(lián)網(wǎng)數(shù)據(jù)，而此前在互聯(lián)網(wǎng)上泄露的個(gè)人信息隨之進(jìn)入大模型。大語言模型的使用者可以通過特定的提問方式，誘導(dǎo)大模型透露隱私數(shù)據(jù)，表現(xiàn)出對(duì)社會(huì)少數(shù)群體的偏見和歧視。模型的輸出質(zhì)量取決于訓(xùn)練數(shù)據(jù)集的質(zhì)量。應(yīng)當(dāng)不斷提升訓(xùn)練數(shù)據(jù)語料的安全性，排除有毒語料和不當(dāng)內(nèi)容；不斷增強(qiáng)訓(xùn)練數(shù)據(jù)的代表性，使用平衡和多元化的數(shù)據(jù)集。

我國(guó)已經(jīng)針對(duì)上述問題初步形成監(jiān)管辦法。2023年7月，網(wǎng)信辦等7部委發(fā)布《生成式人工智能服務(wù)管理暫行辦法》（以下簡(jiǎn)稱《辦法》）。《辦法》強(qiáng)調(diào)要在使用生成式人工智能的過程中，尊重知識(shí)產(chǎn)權(quán)、商業(yè)道德，保守商業(yè)秘密，不得利用算法、數(shù)據(jù)、平臺(tái)等優(yōu)勢(shì)，實(shí)施壟斷和不正當(dāng)競(jìng)爭(zhēng)行為；保護(hù)他人知識(shí)產(chǎn)權(quán)、肖像權(quán)、名譽(yù)權(quán)、榮譽(yù)權(quán)、隱私權(quán)、個(gè)人信息權(quán)益等合法權(quán)益。

模型安全問題與應(yīng)對(duì)

大語言模型面臨透明度低的模型安全問題。大數(shù)據(jù)模型的“黑箱”特性導(dǎo)致其解釋性不足。提高金融領(lǐng)域大語言模型的透明度和可解釋性，是金融工作者和大語言模型有效交互的前提。金融市場(chǎng)有多樣的影響因素和復(fù)雜的運(yùn)作機(jī)制，當(dāng)需要大語言模型直接給出金融決策時(shí)，大語言模型應(yīng)當(dāng)能夠展示清晰明確的決策邏輯和準(zhǔn)確的決策信息，這對(duì)大語言模型的透明度提出了更高要求。《辦法》規(guī)定：“基于服務(wù)類型特點(diǎn)，采取有效措施，提升生成式人工智能服務(wù)的透明度，提高生成內(nèi)容的準(zhǔn)確性和可靠性。”

針對(duì)大語言模型透明度的問題，學(xué)界與業(yè)界正在嘗試多種解決方法。例如，通過設(shè)計(jì)問題鏈來引導(dǎo)大語言模型進(jìn)行逐步推理，形成完整的推理過程；通過參數(shù)可視化理解大語言模型的注意力機(jī)制；通過模型蒸餾理解模型各個(gè)部分捕捉了哪些規(guī)律等。

大語言模型監(jiān)管的國(guó)際經(jīng)驗(yàn)

美國(guó)總統(tǒng)拜登于2023年10月30日簽署的行政命令，確立了人工智能安全的新標(biāo)準(zhǔn)，標(biāo)志著拜登政府在對(duì)人工智能技術(shù)的管理方面采取的第一項(xiàng)具有約束力的重大行動(dòng)。這一行政令要求共享模型的安全測(cè)試結(jié)果和關(guān)鍵信息，完善模型標(biāo)準(zhǔn)和測(cè)試工具，制定嚴(yán)格的合成生物學(xué)檢查標(biāo)準(zhǔn)，建立人工智能生成內(nèi)容檢測(cè)標(biāo)準(zhǔn)，建立先進(jìn)的網(wǎng)絡(luò)安全計(jì)劃，研發(fā)制定關(guān)于人工智能與安全的國(guó)家安全備忘錄。這一行政令的實(shí)施，反映出美國(guó)政府對(duì)于人工智能技術(shù)發(fā)展速度和影響范圍的重視，同時(shí)也顯示了在確保技術(shù)進(jìn)步的同時(shí)維護(hù)國(guó)家安全和公共利益的決心。通過這些措施，美國(guó)政府旨在推動(dòng)人工智能技術(shù)的健康發(fā)展，確保技術(shù)進(jìn)步在不損害公眾利益和國(guó)家安全的基礎(chǔ)上進(jìn)行。

歐盟同樣注重大語言模型發(fā)展的安全性和合規(guī)性。歐盟人工智能法案（EU AI Act）由歐盟委員會(huì)于2021年4月提出，旨在為歐盟范圍內(nèi)的人工智能（AI）使用制定法律框架。該法案致力于在所有行業(yè)（軍事應(yīng)用除外）中為AI創(chuàng)造共同的法律環(huán)境。法案采用基于風(fēng)險(xiǎn)的方法，根據(jù)AI系統(tǒng)對(duì)人權(quán)和價(jià)值觀的潛在影響對(duì)其進(jìn)行分類和監(jiān)管。在2023年12月9日，歐洲議會(huì)與歐盟理事會(huì)就歐盟人工智能法案的最終版本達(dá)成一致。這標(biāo)志著世界上首個(gè)全面的人工智能法律框架的誕生。歐洲AI法案基于風(fēng)險(xiǎn)對(duì)模型進(jìn)行分類，對(duì)于不同類別的模型施以禁止、上市前評(píng)估審核、透明度要求審核等措施，并對(duì)不合規(guī)行為引入重罰。

好的監(jiān)管框架有利于保護(hù)公民權(quán)利、推動(dòng)技術(shù)創(chuàng)新、確保技術(shù)安全，甚至引領(lǐng)全球技術(shù)標(biāo)準(zhǔn)。參考大語言模型的國(guó)際監(jiān)管經(jīng)驗(yàn)，我國(guó)也應(yīng)指定更加細(xì)致、健全的大語言模型監(jiān)管體系，確保大語言模型的健康、安全、高質(zhì)量發(fā)展，推動(dòng)大語言模型成為下一個(gè)經(jīng)濟(jì)增長(zhǎng)點(diǎn)，持續(xù)激發(fā)經(jīng)濟(jì)增長(zhǎng)活力。

大語言模型在金融領(lǐng)域的應(yīng)用場(chǎng)景廣闊

大語言模型已經(jīng)為金融行業(yè)帶來重大改變，未來還將繼續(xù)滲透金融工作者決策的方方面面，并幫助廣大投資者分析和理解金融市場(chǎng)。當(dāng)前，大語言模型正向多模態(tài)、領(lǐng)域化、小型化等多個(gè)方向發(fā)展，將在另類數(shù)據(jù)處理、金融特定領(lǐng)域應(yīng)用以及可得化、易用化等方面有進(jìn)一步提升。持續(xù)發(fā)展大語言模型應(yīng)用，加強(qiáng)大語言模型監(jiān)管，引導(dǎo)金融大語言模型開發(fā)，中國(guó)金融市場(chǎng)將能在數(shù)字化、智能化方向得到更大的進(jìn)步，為廣大投資者帶來福祉。

（張曉燕為清華大學(xué)五道口金融學(xué)院副院長(zhǎng)、金融學(xué)講席教授，吳輝航為清華大學(xué)五道口金融學(xué)院博士后。責(zé)任編輯/周茗一）