Fin-R1：金融推理大模型，赋能金融机构

在金融领域，解决复杂的推理问题至关重要。 现在，我们很高兴地推出Fin-R1，一款专为金融领域设计的推理大模型，旨在助力金融机构高效解决这些挑战。

Fin-R1的优势

• 专为金融领域设计： Fin-R1针对金融推理任务进行了优化，能够更好地理解和处理金融数据。
• 参数量小，部署成本低： 仅7B参数量，使其易于部署和维护，有效降低部署成本。
• 卓越的金融推理能力： 在金融推理任务中表现出色，例如，在FinQA数据集上取得了76.0的优异成绩，在ConvFinQA数据集上更是高达85.0。
• 两阶段训练提升性能： 采用SFT (Supervised Fine-Tuning) 和 RL (Reinforcement Learning) 两阶段训练，显著提升了模型的准确性和泛化能力。

Fin-R1的训练

Fin-R1的卓越性能得益于精心的训练策略：

• SFT (Supervised Fine-Tuning): 通过大规模金融领域数据的有监督微调，使模型能够更好地理解金融概念和知识。
• RL (Reinforcement Learning): 利用强化学习进一步优化模型，使其能够更好地进行推理和决策。

Fin-R1的应用

Fin-R1可以广泛应用于金融领域的各个方面，例如：

• 风险评估： 提高风险评估的准确性和效率。
• 投资决策： 支持更明智的投资决策。
• 客户服务： 改进客户服务体验。
• 反欺诈： 加强反欺诈能力。

我们相信 Fin-R1 将成为金融机构在金融推理领域的重要工具，帮助他们提升效率、降低成本、并更好地服务客户。 了解更多关于 Fin-R1 的信息，请访问 GitHub 仓库。