aliyun/qwen-dianjin

解决的问题

Qwen DianJin 是一个面向金融领域的大型语言模型（LLMs）应用的综合性研究枢纽。它解决了高质量金融数据长期匮乏的问题，以及银行、保险、资产管理等领域对专业推理、工具使用和金融文档多模态理解能力的需求，助力构建可靠的AI代理。

工作原理

该项目采用「数据飞轮」方法论：评估（使用行业级基准）→ 数据合成（生成可控轨迹数据）→ 后训练（使用SFT和RL将数据转化为能力）。该循环应用于多个研究方向：

• 推理与后训练：开发专用模型如 DianJin-R1 和首个金融领域过程奖励模型（Fin-PRM）。
• 智能体能力：构建技能库（DianJin-SKILLS）和自主规划框架（DianJin-TIR）。
• 多模态理解：使用推理与工具交替的视觉语言模型（DianJin-OCR-R1）进行金融文档分析。
• 对话系统：实现认知-情绪-策略推理链，用于客户与情感支持（CSC 和 CARE）。
• 评估：构建分层基准如 CFLUE 和 FinMCP-Bench，以衡量基础与智能体性能。

适用对象

本项目面向AI研究人员、金融机构以及开发专业金融AI代理和推理模型的开发者。

主要亮点

• DianJin-R1：一系列金融推理模型（7B、13B、32B）及配套数据集。
• DianJin-SKILLS：即插即用的AI代理技能库，覆盖10个专业角色和130+项标准化技能。
• Fin-PRM：金融领域专用的过程奖励模型。
• DianJin-RED：面向代理系统的行动导向红队测试基准，包含1,661个可执行案例。
• DianJin-OCR-R1：增强金融文档OCR能力的视觉-语言模型。