金融領(lǐng)域AI大模型和AGENT實(shí)踐

weBank2通用大模型不能直接應(yīng)用例子：例子：?jiǎn)枺赫?qǐng)總結(jié)以下新能源車(chē)的介紹，答：總體上看，這款最新的XXX車(chē)性能優(yōu)異，尤其是其續(xù)航里程達(dá)到了2千公里。?大模型生成的回復(fù)違背了用戶(hù)輸入中的任務(wù)指示或者任務(wù)輸入；?大模型生成的回復(fù)出現(xiàn)了自我矛盾；?大模型生成的回復(fù)與公認(rèn)的事實(shí)知識(shí)出現(xiàn)了沖突。?需要不斷增加高質(zhì)量的標(biāo)注數(shù)據(jù)，優(yōu)化模型加以解決通用大模型如直接用于各行各業(yè)，模型表現(xiàn)得專(zhuān)業(yè)知識(shí)不足，并不能滿(mǎn)足業(yè)務(wù)要求；需要利用本地?cái)?shù)據(jù)訓(xùn)練垂類(lèi)行業(yè)大模型，大幅度提升模型性能模型實(shí)現(xiàn)模型實(shí)現(xiàn)注環(huán)節(jié)的耗時(shí)占比可達(dá)25%訓(xùn)練垂類(lèi)行業(yè)模型時(shí)，面臨保護(hù)各類(lèi)本地?cái)?shù)據(jù)隱私的問(wèn)題。包括，訓(xùn)練數(shù)據(jù)，本地模型，提示詞等。多個(gè)數(shù)據(jù)源聯(lián)合訓(xùn)練一個(gè)大模型時(shí)極有可能會(huì)暴露每個(gè)數(shù)據(jù)源的用戶(hù)隱私和影響信3AIAgent如何解決通用大模型短板辦法：數(shù)據(jù)/專(zhuān)業(yè)數(shù)據(jù)；效果：1.知識(shí)庫(kù)反饋的信息，免了幻覺(jué)；AIAgent如何解決生成式大模型短板大模型微調(diào)（Finetune)據(jù)/專(zhuān)業(yè)數(shù)據(jù)；（微調(diào)）大模型；求，性能更優(yōu)；AIAgent如何解決生成式大模型短板及解題步驟（思維鏈）；2.利用這些數(shù)據(jù)修正（微調(diào)）大模型；垂類(lèi)應(yīng)用要求，性能更優(yōu)；2.微調(diào)后的大模型，事實(shí)性微調(diào)數(shù)據(jù)（思維鏈）微調(diào)效果：AIAgent如何解決原生大模型短板決數(shù)據(jù)稀缺/標(biāo)注不足問(wèn)題；2.利用聯(lián)邦學(xué)習(xí)技術(shù)，在保護(hù)設(shè)備上的私域數(shù)據(jù)；1.聯(lián)邦大模型，整體性能更優(yōu)；2.聯(lián)邦大模型，有效保護(hù)了私3.本地的聯(lián)邦模型，無(wú)需高性AIAgent是大模型面向應(yīng)用端發(fā)展的下一階段9比爾·蓋茨（微軟聯(lián)合創(chuàng)始人）Agent更加智能。它們是主動(dòng)的，能夠在你提出請(qǐng)求之前就提供建議；比爾·蓋茨（微軟聯(lián)合創(chuàng)始人）Agent更加智能。它們是主動(dòng)的，能夠在你提出請(qǐng)求之前就提供建議；LilianWeng（OpenAISafety團(tuán)隊(duì)負(fù)責(zé)人）意味著基于LLM的Agent助手以后將會(huì)服務(wù)AIAgent與大模型的關(guān)系A(chǔ)I助手（Agent）可以幫助人們創(chuàng)造內(nèi)容來(lái)更好地表達(dá)其想法，或者李彥宏（百度創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官）AIAgent的特點(diǎn)AIAgent技術(shù)底座WeBankAIAgent（WeAIA）AIAgent技術(shù)底座8用戶(hù)端8用戶(hù)端ò視覺(jué)引擎營(yíng)銷(xiāo):智能營(yíng)銷(xiāo)Agent——大模型高效生成豐富營(yíng)銷(xiāo)素材體架構(gòu)以We大模型為代表的AI技術(shù)服務(wù)平臺(tái)（生態(tài)）體架構(gòu)以We大模型為代表的AI技術(shù)服務(wù)平臺(tái)（生態(tài)）AR/VRAIAI技術(shù)棧整…大模型聯(lián)邦大模型FATE-LLM…大模型聯(lián)邦學(xué)習(xí)核心思想數(shù)據(jù)不動(dòng)模型動(dòng)，數(shù)據(jù)可用不可見(jiàn)傳統(tǒng)方法：將草從各地集中到一起喂羊，傳統(tǒng)方法：將草從各地集中到一起喂羊，領(lǐng)銜聯(lián)邦學(xué)習(xí)相關(guān)研究與應(yīng)用二2018-2024)?牽頭《人工智能聯(lián)邦學(xué)習(xí)技術(shù)規(guī)范》國(guó)家標(biāo)準(zhǔn)的制定，2023?信通院標(biāo)準(zhǔn)《基于多方安全計(jì)算的數(shù)據(jù)流通產(chǎn)品技術(shù)要求與2018-2024)?牽頭《人工智能聯(lián)邦學(xué)習(xí)技術(shù)規(guī)范》國(guó)家標(biāo)準(zhǔn)的制定，2023?信通院標(biāo)準(zhǔn)《基于多方安全計(jì)算的數(shù)據(jù)流通產(chǎn)品技術(shù)要求與測(cè)試方法》和《聯(lián)邦學(xué)習(xí)技術(shù)與應(yīng)用》?金融行業(yè)標(biāo)準(zhǔn)：央行金融標(biāo)準(zhǔn)化委員會(huì)《多方安全計(jì)算金融ArtificialIntelligence》?聚焦聯(lián)邦學(xué)習(xí)的可信賴(lài)、可解釋、可優(yōu)化、可監(jiān)管的可信聯(lián)邦學(xué)習(xí)標(biāo)準(zhǔn)?聯(lián)邦學(xué)習(xí)貢獻(xiàn)度評(píng)估標(biāo)準(zhǔn)IEEEP框架FATE。社區(qū)以“開(kāi)源開(kāi)放，共力創(chuàng)新”為愿景，匯聚了4000+FederatedNITechnologyEnabler口LFAI&DATATencent騰訊題美團(tuán)Tencent騰訊8騰訊云mmware 《Federated應(yīng)用)》領(lǐng)銜聯(lián)邦學(xué)習(xí)相關(guān)前沿研究：聯(lián)邦遷移大模型FTL-LLM基于“可信聯(lián)邦學(xué)習(xí)”的理論框架，在業(yè)內(nèi)提出“聯(lián)邦遷移大服