大模型落地比趋势更重要，NLP+ 金融如何看得见、摸得着？

全球很多人都开始相信，以 ChatGPT 为代表的大模型，将带来一场 NLP 领域乃至整个人工智能的技术革命，影响遍及各行各业。

那么，金融机构和科技企业，应该以怎样的姿态迈入新的洪流？

前不久，有“中国智能科学技术最高奖”之称的吴文俊人工智能科学技术奖，正式公布了 2022 年度获奖名单。

其中，度小满建设的“智能化征信解读中台”工程，率先将大型语言模型 LLM、图算法应用在征信报告的解读上，荣获了吴文俊人工智能科技进步奖，成为唯一入选的金融科技公司。

大模型应用价值到底在哪里，如何落地？是一道新技术从实验室走向产业的必答题。

度小满的“智能化征信解读中台”工程，就带来了技术+应用的双重答案。

征信报告是识别个人信用的最重要风控手段，报告中包含大量非结构化的征信数据，比如大量的文本信息。这些征信数据的复杂性和多样性，很难使用传统的数据处理方式进行分析。而度小满“智能化征信解读中台” ，能够将报告解读出 40 万维的风险变量，将银行风控模型的风险区分度提升了 26%，切实在银行信贷场景中发挥作用。

这背后的技术是度小满率先将大型语言模型 LLM、图算法等新技术应用在征信报告的解读上，“智能化征信解读中台”包含了“3 个平台-1 个特征生成框架-3 个模型”，让征信报告解读进入到图机器自动学习阶段。

大模型重新定义金融科技

NLP 长期以来是一个 AI 领域基础而“冷门”的学科，全世界的 NLP 公司都比较少，度小满为什么还要坚持研究 NLP 领域？大模型时代， NLP 能给金融领域带来哪些变化？

先说大模型。

金融文档、信息处理等 NLP 任务贯穿整个金融领域，读文档、查文档、写文档，是金融机构各个业务场景中的基础工作。以往，这些领域的智能化，使用传统 NLP 范式去开发相关模型，数据标注成本高，开发交付周期长，维护困难。

LLM 用预训练+精调+提示的新方法，能够用一个模型处理多个任务，甚至未曾见过的通用任务，这就使模型出现了一种智能“涌现”现象，看起来更有智慧、理解能力更强了，所以能对金融业务场景中的数据信息和隐藏知识进行更高效的挖掘和理解。

有了超大规模的预训练语言模型 LLM 作为基础设施，可对金融机构的全栈场景进行重塑，融入 NLP 能力。其中较为典型的场景包括：

信贷辅助决策，基于强大的语义理解能力，读懂非结构化数据，包括财务报告自动化解析、数据智能挖掘、信贷流水材料智能处理、宏观行业分析、风险事件传导分析等。

业务审核及研报解析，包括招股书智能审核，财务数据分析，审计报告自动化比对，非结构化数据分析。

这些场景都可以通过 LLM 加快自动化，降低 NLP 应用成本，提升效率，为金融机构的智能化加速。

再说自然语言交互。这一轮范式转换的核心特点就是交互（chat），AI 获得了世界知识和强大的长文本生成能力，从而提供更自然的人机交互体验，这会给金融领域与人打交道的服务都带来变革。其具有代表性的场景有：

智能客服：快速、高效、低成本地响应用户需求，满足个性化需求，提升服务半径和服务质量。

智能营销：洞察理解用户需求和情绪，让产品和用户更精准地匹配；一键生成海报、视频等创意内容，提升营销效率。

度小满 CEO 朱光认为，大模型技术正在重新定义金融科技（Fintech），ChatGPT 的出现，意味着所有围绕移动互联网、AI 1.0 的竞争和竞争优势正在告一段落。

站在大模型时代的前沿，度小满的五年步履

近期，百度基于文心大模型技术推出的生成式对话产品“文心一言”（英文名：ERNIE Bot）开放生态合作，度小满成为首家接入的金融科技公司。

基于文心一言的大模型技术基座，结合度小满业务场景积累的金融行业知识和数据进行交互式训练，有望打造出适配中国金融行业的，全新的智能客服、智能风控、智能交互服务。

这一次，度小满站到了大模型时代的前沿，并不是偶然和运气，金融领域 NLP 应用，这条路度小满已经走了五年。

从 2018 年创立之初，度小满就引入了大量 NLP 人才，成立 AI 部门，在 NLP 技术上发力。

2021 年，在微软举办的 MS MARCO 比赛中的文档排序 Document Ranking（文档排序）任务中，度小满的 AI-NLP 团队排名第一并刷新纪录。此外，团队研发的轩辕 (XuanYuan) 预训练模型也在 CLUE 分类任务中排名第一。

自然语言处理 NLP 是 AI 皇冠上的明珠，往远了说，语言是进入人类认知智能的一扇大门，是抵达通用人工智能的一座桥梁。往近了说，人人皆可 chat（聊天），语言本身就具备服务每一个人，连接每一个人的低门槛和大能量，和关乎每一个人的金融服务碰撞在一起，所酝酿的商业机会也是巨大的。