星辰财智：上海财经与财跃共创的金融推理先锋模型

在知识的浩瀚星海中，上海财经大学携手财跃星辰，共同启航智慧金融的新纪元，推出了一款划时代的模型——“星辰财智”。这款模型，被誉为金融领域的智能灯塔，它集合了学术界的深厚理论基础与业界的实战经验，旨在为复杂的金融市场提供精准的推理和洞见。通过融合先进的大数据分析、机器学习及深度神经网络技术，“星辰财智”能够洞察市场脉搏，解析金融事件背后的逻辑，为投资者、研究者以及金融机构带来前所未有的决策支持工具。在金融海浪的不断变幻中，它如同一位睿智的导航者，引领着人们在复杂的数据迷雾中寻找方向，开启了一场金融智慧新时代的探索之旅。

　　

fin-r1：上海财经大学与财跃星辰合作推出的金融领域大型语言模型

　　

Fin-R1是上海财经大学人工智能金融实验室（SUFE-AIFLM-Lab）与财跃星辰联合研发的首个金融领域R1类推理大模型。它基于Qwen2.5-7B-Instruct架构，拥有70亿参数，并经过两阶段训练：监督微调（SFT）和强化学习（RL），显著提升了其在复杂金融推理场景下的能力。在权威评测中，Fin-R1的平均得分达到75.2分，仅次于行业标杆DeepSeek-R1，排名第二。其训练数据包含约6万条高质量思维链（COT）数据，这些数据经过严格筛选，确保了模型的准确性和可靠性。

　　

　　

核心功能:

　　

Fin-R1具备强大的金融推理与决策能力，能够处理诸如金融数据数值推理、金融新闻情感分析、因果关系提取等复杂任务，为金融决策提供可靠依据。此外，它还可应用于：

　　自动化金融流程:例如金融合规检查和机器人投顾。 　　多语言支持:支持中英文金融领域推理。 　　高效资源利用:轻量化设计，降低部署成本。 　　代码生成:支持金融模型和算法的代码生成。 　　金融计算与定量分析:处理复杂的金融问题。 　　金融安全合规与智能风控:辅助企业合规运营和风险管理。 　　ESG分析:评估企业的可持续发展能力。 　　

技术架构与训练:

　　

Fin-R1采用Qwen2.5-7B-Instruct架构，其70亿参数的轻量化设计兼顾性能和效率。训练过程分为两阶段：

　　 　　监督微调(SFT):使用ConvFinQA和FinQA数据集对基础模型进行微调，提升其金融推理能力。 　　强化学习(RL):使用GRPO算法，结合格式奖励和准确度奖励，并引入基于Qwen2.5-Max的模型验证器，进一步优化模型性能和稳定性。 　　 　　

资源与应用:

　　项目地址: 　　HuggingFace模型库: 　　arXiv技术论文: 　　

Fin-R1的应用场景广泛，包括：

　　智能风控:提供更精准的动态信用评分和异常交易监测。 　　投资决策辅助:辅助资产配置和投资决策。 　　量化交易:辅助量化交易代码编写和策略开发。 　　ESG分析:生成符合GRI标准的ESG报告。 　　市场趋势预测:例如保险行业保单收益评估和市场趋势预测。 　　

Fin-R1凭借其强大的性能和广泛的应用前景，有望成为金融领域人工智能应用的重要驱动力。

以上就是Fin-R1—上海财经联合财跃星辰推出的金融推理大模型的详细内容，更多请关注其它相关文章！