aliyun/qwen-dianjin

해결하는 문제

Qwen DianJin은 대규모 언어 모델(LLMs)을 금융 분야에 적용하기 위한 포괄적인 연구 허브입니다. 금융 데이터의 고질적인 부족과 은행, 보험, 자산운용 분야에서 신뢰할 수 있는 AI 에이전트를 구축하기 위해 필요한 전문적 추론, 도구 사용, 금융 문서의 다중 모달 이해 능력의 부족을 해결합니다.

작동 방식

이 프로젝트는 "데이터 플라이휠" 방법론을 사용합니다: 평가 (업계 수준의 벤치마크 사용) → 데이터 합성 (제어 가능한 경로 데이터 생성) → 포스트 트레이닝 (SFT 및 RL을 사용해 데이터를 능력으로 전환). 이 사이클은 다음과 같은 연구 분야에 적용됩니다:

• 추론 및 포스트 트레이닝: DianJin-R1 및 금융 분야 전용 프로세스 보상 모델(Fin-PRM) 개발.
• 에이전트 기능: DianJin-SKILLS 스킬 라이브러리 및 자율 계획 프레임워크(DianJin-TIR) 구축.
• 다중 모달 이해: 금융 문서 분석을 위한 추론과 도구를 번갈아 사용하는 VLM(DianJin-OCR-R1) 활용.
• 대화 시스템: 고객 및 정서적 지원을 위한 인지-정서-전략 추론 체인(CSC 및 CARE) 구현.
• 평가: 기초 및 에이전트 성능을 측정하기 위한 계층적 벤치마크(CFLUE 및 FinMCP-Bench) 구축.

대상 사용자

이 프로젝트는 AI 연구자, 금융 기관, 전문 금융 AI 에이전트 및 추론 모델을 개발하는 개발자를 대상으로 합니다.

주요 특징

• DianJin-R1: 7B, 13B, 32B 규모의 금융 추론 모델 시리즈 및 관련 데이터셋.
• DianJin-SKILLS: 10개의 전문 직무와 130개 이상의 표준화된 스킬을 포함하는 즉시 사용 가능한 AI 에이전트 스킬 라이브러리.
• Fin-PRM: 금융 추론에 특화된 프로세스 보상 모델.
• DianJin-RED: 1,661개의 실행 가능한 케이스를 포함한 행동 기반 레드팀 벤치마크(에이전트 시스템용).
• DianJin-OCR-R1: 금융 문서의 OCR 기능을 강화하는 비전-언어 모델.