第273章 金融模型训练（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
接下来上RLHF。林晨说。
RLHF的训练比SFT复杂。核心环节是偏好标注——要让人来判断模型给出的两个回答哪个更好。但的标准在金融场景下极度微妙。
林晨从金融事业部借了两个分析师来做偏好标注。一个叫赵锐，做了五年行业研究员，看研报比看小说多；另一个叫方颖，从券商研究所跳过来的，对合规和表述规范极其敏感。
第一天标注，两个人就吵起来了。
赵锐指着屏幕上A和B两个回答：这个A明显更好——它把毛利率变动的驱动因素拆成了量和价两个维度，逻辑链条完整。B虽然也提到了毛利率，但没有区分驱动因素。
方颖摇头：A的逻辑是完整，但你注意到没有，它引用的那个数据源写的是Wd一致预期，原文是Wd预测均值——虽然意思一样但表述跟原文不一致。在合规审查下，这种改动可能被认定为信息失真。B虽然没拆驱动因素，但它引用的数据源跟原文一字不差。
那你觉得B好？
在投研场景下，数据溯源的准确性优先于逻辑的完整性。逻辑分析师可以自己补，数据一旦标注错了，下游用起来就是错的。
两个人各执一词。林晨坐在旁边听完，说了一句：两个标准都对，但优先级不同。投研场景下——信息准确性第一，逻辑完整性第二。A的逻辑再好，数据源引用有偏差就扣分。但B的数据准确也不能掩盖逻辑缺陷——两个维度同时评分，最终取加权和。
他打开标注规范文档，在偏好评估标准那一栏加了三行字：
信息准确性权重0.4，逻辑连贯性权重0.35，合规安全性权重0.25。当A在信息准确性上低于B时，即使A的逻辑连贯性评分更高，仍标注B为偏好项。
赵锐看完这个标准，咕哝了一句：行吧，数据准确性高于一切——这是你们做量化的人的思维。
金融行业的底线。林晨回了他一句。赵锐没再说话。
三天时间，赵锐和方颖标注了一千对偏好对比数据。每一对对比都要在三个维度上分别打分、写评语、再判定偏好。到最后一天下午，方颖的眼睛已经布满血丝，赵锐的脖子上贴了两片膏药。两个人互相检查了对方的标注，又吵了两回，最终把分歧样本提交给林晨仲裁了三十多对。
一千对偏好数据入库。张雨在当天晚上启动了RLHF训练——先训练奖励模型，再跑PPO对齐。
这次张雨没有熬通宵。他设置了checkpot自动保存，把手机闹钟调到凌晨四点半。闹钟响的时候他翻起来看了一眼后台的rewardodel训练曲线——loss在稳步下降，没有异常。他又睡了。
第二天早上七点四十分，张雨到了公司。RLHF训练已经跑完了。他没有立刻打开评测结果，而是先去茶水间泡了杯茶。手还是抖，昨天那几杯咖啡的咖啡因还没代谢干净。他端着茶杯回到工位，深吸了一口气，点开了最终评测报告。
屏幕上逐行刷出数字。他的目光从上往下扫——
研报关键信息抽取准确率：89.3%。
他停了一下。比第二轮SFT的82.7%又提了将近七个百分点。RLHF确实有效。
财报数据自动提取准确率：92.1%。政策影响分析一致性：87.6%。风险因子自动识别：85.4%。
他往最
百分之八十八点六。
张雨放下茶杯。他没有喊出来，也没有跳起来。他盯着那个数字看了大概十秒钟，然后拿起手机给林晨发了一条消息：
出来了。88.6。你来的时候到我工位上看。
八分钟后林晨到了。张雨把屏幕转过来，没有说话，让林晨自己看。
林晨的视线从上往下走，速度很慢。他看到89.3%，眉梢动了一下；看到92.1%，嘴角微微收紧；看到最
对比数据呢？
张雨切到另一页。同样是十份真实研报的零样本测试——通用大模型在关键信息抽取上的准确率是63%。智研1.0是89.3%。中间差了二十六个百分点。
这十份研报模型训练的时候没见过？
绝对没见过。国泰证券上周新发的，我专门挑的发布时间在训练数据截止之后的。
林晨站直了身体。他没说话，在脑子里过了一圈——88.6%的综合准确率，在金融投研这个场景下意味着什么。够不够推向商业化？够，但不算宽裕。每十次判断有一次出错的概率，在机构客户的使用场景下仍然需要人工做最终复核。但作为工具，这个精度已经过了及格线。
他更在意的是另一件事——这个模型从第一次SFT的失败，到调整策略后的效果跃升，到RLHF的进一步拉高，整个过程证明了一件事：五千条高质量标注数据确实能撑起一个垂直模型——这个判断没错。
但推向商业化意味着另一组问题：客户会不会接受88.6%的准确率？监管怎么看待AI输出的合规责任？商业场景下错了就是投诉和退单。
他权衡了几分钟。
发一份给陈博士。他说，另外准备一下——后天跟金融事业部和产品部做一个方案评审会，我们讨论智研的商业化路径。
商业化？张雨的语气里带着一点迟疑，88.6%够了吗？我觉得还可以再跑一轮——
不是够不够的问题。林晨打断他，再跑一轮当然还能再提几个点，但商业化评审不代表马上就交付。评审是让各方看效果、定方向、对齐预期。如果等到九十多分再启动商业化流程，时间窗口就被人占了。
张雨没再反驳。他低头看了一眼屏幕上那个88.6%，把评测报告导出成PDF，拖进了陈博士的共享文件夹里。
↑返回顶部↑