金融圈注意了！彭博研究人员刚推出BloombergGPT
article.author.display_name
葛佳明
彭博研究员构建了迄今为止最大的特定领域数据集，并训练了拥有500亿参数且专门用于金融领域的LLM——BloombergGPT。经过测试，该模型在金融任务上的表现远超现有的模型，且在通用场景上的表现与现有模型也能一较高下。
ChatGPT引爆的AI热潮也“烧到了”金融圈，彭博社重磅发布为金融界打造的大型语言模型（LLM）——BloombergGPT。
3月30日，根据彭博社发布的研究报告显示，其构建了迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM，开发了拥有500亿参数的语言模型——BloombergGPT。
该模型依托彭博社的大量金融数据源，构建了一个3630亿个标签的数据集，支持金融行业内的各类任务，在执行金融任务上的表现远超过现有模型，在通用场景上的表现与现有模型也能一较高下。
BloombergGPT到底有多强
根据彭博发布的报告来看BloombergGPT对金融行业来说无疑是一次颠覆性创新。
我们先来看一下BloombergGPT使用到的庞大数据集。
研究人员利用彭博社现有的数据，对资源进行创建、收集和整理，构建了迄今为止最大的特定领域数据集，并创建了一个拥有超过7000亿个标签的大型训练语料库：
彭博作为金融数据公司，数据分析师在公司成立的四十年间收集了大量的金融材料，拥有丰富的金融数据档案，涵盖了一系列的主题。
我们将这些数据添加到公共数据集中，创建了一个拥有超过7000亿个标签的大型训练语料库。
BloombergGPT的训练数据库名为FINPILE，由一系列英文金融信息组成，包括新闻、文件、新闻稿、网络爬取的金融文件以及提取到的社交媒体消息。
为了提高数据质量，FINPILE数据集也使用了公共数据集，例如The Pile、C4和Wikipedia。FINPILE的训练数据集中约一半是特定领域的文本，一半是通用文本。为了提高数据质量，每个数据集都进行了去重处理。
利用庞大的数据集，并基于通用和金融业务的场景进行混合模型训练，BloombergGPT诞生了。
一般来说，在NLP领域，参数数量和复杂程度之间具有正相关性，GPT-3.5模型的参数量为2000亿，GPT-3的参数量为1750亿。
根据BloombergGPT的训练结果显示，其在执行金融任务上的表现远超过现有的模型，且在通用场景上的表现与现有模型也能一较高下。
BloombergGPT优势：不可替代性和准确性
当下，通用NPL模型也可以处理金融领域的任务，那为金融圈“量身定制”的模型究竟有何意义？
彭博认为，针对特定领域模型有其不可替代性且彭博的数据来源可靠：
因彭博社的大多数应用均为金融领域，着手构建了一个针对金融领域的模型具有优势。
除了构建金融领域的LLM外，本文的经验也为其他研究专用模型提供了参考。我们的方法是在特定领域和一般数据源上训练LLM，以开发在特定领域和通用领域上均表现优异的模型。
此外，我们的训练数据不同于传统的网络爬取数据，网络上的数据总有重复和错误，但我们的数据来源可靠。
而更重要的是，报告指出，通用NLP模型处理金融领域任务时会面临不少挑战，首先就是无法理解财经新闻背后的市场“情绪”：
以情感分析为例，一个题为“某公司将裁员1万人”，在一般意义上表达了负面情绪，但从金融市场情绪来看，它有时可能被认为是积极的，因为这一做法可能提振投资者信心，使公司的股价上涨。
从测试来看，BloombergGPT在五项任务中有四项（ConvFinQA，FiQA SA，FPB和Headline）表现最佳，NER（Named Entity Recognition）排名第二：
测试一：ConvFinQA数据集是一个针对金融领域的问答数据集，包括从新闻文章中提取出的问题和答案，旨在测试模型对金融领域相关问题的理解和推理能力。
测试二：FiQA SA，第二个情感分析任务，测试英语金融新闻和社交媒体标题中的情感走向。
测试三：FPB，金融短语库数据集包括来自金融新闻的句子情绪分类任务。
测试四：标题，数据集包括关于黄金商品领域的英文新闻标题，来判断新闻标题是否包含特定信息，例如价格上涨或价格下跌等。
测试五：NER，命名实体识别任务，针对从提交给SEC的金融协议中收集金融数据，进行信用风险评估。
对于ConvFinQA来说，这个差距尤为显著，因为它需要使用对话式输入来对表格进行推理并生成答案，具有一定挑战性。
BloombergGPT将助力新闻领域
既然BloombergGPT测试中的表现如此优异，那未来可以怎么用？
除了金融数据查询、回答金融相关问题，BloombergGPT未来可以被新闻领域广泛使用：
BloombergGPT训练是以众多新闻为基础的，因此它未来将协助记者日常工作。
记者需要为每个部分编写简短的标题，专门为此任务设计的模型维护成本太高，但BloombergGPT在这个方面表现优异。
可以利用BloombergGPT更好的查询金融相关的知识。
如，BloombergGPT能够很好地辨别公司的CEO。（虽然BloombergGPT正确地识别了CEO，GPT-NeoX出现了错误，FLAN-T5-XXL则完全未能识别）。
对于这个或将颠覆金融圈的大型语言模型，部分网友并不买账，有人认为彭博此次只发布报告，不发布模型，颇有些“雷声大雨点小”之意。
也有网友认为，彭博赶在愚人节之前发布，可能在“骗人”。
ChatGPT为彭博点赞
部分网友不买账，那ChatGPT怎么看？
华尔街见闻就这件事专门询问了ChatGPT，ChatGPT认为BloombergGPT是一项很有意义的技术进步：
它是专门为金融领域开发的一种语言模型，可以更好地处理金融领域的数据和任务，并且在金融领域的基准测试中表现出色。
这将有助于金融从业者更好地理解和应用自然语言处理技术，促进金融科技的发展。同时，BloombergGPT还可以为其他领域的语言模型的发展提供参考和借鉴。总的来说，BloombergGPT是一个有益的技术创新。
风险提示及免责条款
共有 0 条评论