5月26日消息，近日，度小满正式开源千亿级中文
据度小满方面介绍，在金融场景中的任务评测中，轩辕全面超越了市场上的主流开源大模型，赢得了150次回答中63.33%的胜率。在通用能力评测中，轩辕有10.2%的任务表现超越ChatGPT 3.5，61.22%的任务表现与之持平，涉及数学计算、场景写作、逻辑推理、文本摘要等13个主要维度。
为了提升轩辕大模型对金融领域问题的理解能力，度小满将自身业务中积累的金融领域的千亿tokens的中文预训练数据集用来训练模型。该数据集涵盖了金融研报、股票、基金、银行、保险等各个方向的专业知识。度小满表示，经过清洗和标注的高质量数据集，不仅在通用性方面与ChatGPT达到持平成为可能，且提升了模型在金融垂直领域的性能。
BLOOM （Big Science Language Open-science Open-access Multilingual）是2021年由1000多名志愿研究人员在一个名为“大科学BigScience”的项目中创建，2022年7月12日正式发布。BLOOM拥有1760亿个参数（决定输入数据如何转换为输出内容的变量），稍多于拥有1750亿个参数的 GPT-3。BLOOM拥有1.61TB文本，包含46种自然语言和13种编程语言。相比Meta发布的130亿参数的LLaMA（Large Language Model Meta AI）模型，Bloom参数量更占优势。
目前，千亿级的轩辕模型已可以在Huggingface中申请下载，面向所有金融机构开放。
度小满CTO许冬亮表示，轩辕大模型是经度小满业务场景中积累的金融数据训练而来的，对金融相关问题的理解比通用大模型更有优势。我们把大模型能力开放给金融机构，有利于推动大模型在金融行业的应用，降低大模型的应用门槛，提升金融行业智能化水平。
许冬亮认为，生成式大模型在内容生成与创作、信息摘要与总结、知识理解与问答、自然交互与对话等方面具备非常出色的能力，在金融场景中会有广泛的应用。在前台，生成式大模型将大幅提升客户经理的专业水平和服务能力，大幅降低客户经理的运营成本，让每个人都拥有24小时在线的专业客户经理成为可能。出色的内容生成能力也将引发营销内容生产能力的大幅提升。在中台，生成式大模型有机会改变企业内知识获取、内容创作、会议与沟通、代码开发与测试的方式，进而大幅提升企业内部办公效率，甚至引发研发测试模式变革，全方位的提升金融企业内部运营效率。在后台，大模型将成为智能科技底座的标配，大幅降低智能技术应用的门槛，只需少量标注数据甚至无需调整就可以让智能技术覆盖广泛的场景。（一橙）
