财跃 F1 金融大模型面市，该大模型有何功能？

（转载）首个金融领域推理大模型Fin-R1，仅7B参数，逼近DeepSeek满血版效果

Fin-R1 是上海财经大学张立文教授团队联合财跃星辰推出的首个金融领域推理大模型，以 7B 参数规模在金融推理任务中逼近 671B 参数的 DeepSeek-R1 效果，平均得分仅差 3 分，打破了“参数规模决定性能”的行业定式，为金融 AI 的低成本落地提供了新范式。
一、破局之作：小参数撬动大场景
发布背景：2025 年 3 月，上海财经大学金融大语言模型课题组（SUFE-AIFLM-Lab）与财跃星辰联合开源 Fin-R1，以 70 亿参数（7B）的轻量化架构，在权威评测中以 75.2 分的平均分位列第二，仅落后于 671B 参数的 DeepSeek-R1（78.2 分），超越 70B 参数的 DeepSeek-R1-Distill-Llama-70B（69.2 分）达 6 分。
应用场景：

二、技术攻坚：从数据到推理的全链路创新
数据构建：
多源数据融合：基于 DeepSeek-R1 满血版，对 12 类中英文数据集（涵盖行业语料、专业认知、表格解析、量化投资等）进行领域蒸馏，构建 60k 条高质量推理数据集 Fin-R1-Data，覆盖金融代码、专业知识、业务推理三大核心模块。

三重质检机制：
规则 + 大模型初筛：利用 Qwen2.5-72B-Instruct 进行答案准确性校验，零错误率达 99.2%。
逻辑链深度审计：通过术语合规性与推理一致性双校验，确保“思维链条”可解释性。
专家人工复核：针对财务报表、量化策略等关键场景数据，引入资深金融从业者终审，专业度提升 40%。
数据分布：此模式使传统金融数据标注成本降低 40%，推理类数据占比提升至 65%，为模型奠定了扎实的知识基础。

训练框架：
“认知奠基 - 决策优化”双阶段框架：

第一阶段：SFT 监督微调：基于 Fin-R1-Data 进行定向训练，强制模型输出多步推理过程，形成长思维链惯性。实验显示，该阶段使模型在金融术语准确率提升 28%，推理步骤完整性提高 35%。
第二阶段：RLHF 强化学习：引入双轨奖励机制：
格式奖励：通过正则规则约束输出结构（如财务报告格式），确保合规性。
准确性奖励：利用 Qwen2.5-Max 作为“智能考官”，动态校准答案质量，准确率提升 18%。这种设计避免了传统 RLHF 的价值对齐偏差问题，使模型在复杂金融决策中保持专业性与稳定性。
三、性能验证：小身材大能量的实证
多场景评测：在覆盖银行、证券、保险的多场景评测中，Fin-R1 展现出“参数效率比”奇迹。
轻量化优势：7B 模型超越 70B 模型，计算成本降低 90%，单张 4090 显卡即可部署。
场景穿透性：
FinQA 表格推理：得分 76.0（超越 DeepSeek-R1 的 74.5），支持财务报表重组与比率交叉验证。
ConvFinQA 多轮对话：得分 85.0，精准匹配金融业务的长链条交互需求。
合规性突破：推理逻辑可解释性达 92%，远超行业平均的 65%，满足金融监管对可追溯性的核心要求。
四、生态落地：从实验室到业务线的无缝衔接
开发门槛革新：通过 Hugging Face 一键部署方案，中小企业部署成本从百万级降至万元级。
场景深度适配：
银行：动态信用评分模型使风险评估效率提升 5 倍，不良贷款识别准确率提高 15%。
证券：量化交易代码生成速度较人工快 20 倍，策略回测胜率提升 12%。
ESG：自动生成 GRI 标准报告，覆盖 93% 的关键指标，助力企业绿色转型。
五、范式革命：金融 AI 的新路径
方法论意义：“Fin-R1 的意义不仅在于性能突破，更在于证明了‘专业数据 + 定向训练’可替代盲目堆参数的旧模式。”其开源的全链路技术框架（数据构建→训练→部署），为金融、医疗等垂直领域提供了可复制的方法论。
普惠 AI 模式：“在确保金融合规性的前提下，Fin-R1 将大模型落地成本指数级降低，这种‘普惠 AI’模式，有望加速中小金融机构的智能化转型。”
六、结语
精耕时代：当通用大模型陷入“参数军备竞赛”，Fin-R1 的出现标志着 AI 发展进入“精耕时代”。通过深度理解行业需求、构建专业化训练体系，小参数模型不仅能在垂直领域与巨无霸模型掰手腕，更打开了技术普惠的想象空间。
行业规则改写：这场由上海财大实验室发起的金融 AI 革命，正在悄然改写行业规则。

上海财跃星辰智能科技投资意向

目前公开信息未直接披露上海财跃星辰智能科技有限公司的具体投资意向，但可归纳其战略方向与资源投入重点如下：
1. 核心业务聚焦金融AI技术研发公司以金融领域人工智能技术为核心，已推出千亿参数多模态金融大模型“财跃F1金融大模型”及智能体“AI小财神Pro”，并中标国泰海通证券相关项目。这表明其投资重心集中于垂类大模型研发、算法优化及金融场景适配，例如通过自然语言处理、多模态数据分析等技术提升智能投顾、风险评估等服务的精准度。此类技术投入需长期研发资金支持，但未涉及对外部企业的财务性投资。
2. 生态合作构建AI基础设施与行业应用公司通过技术合作拓展生态网络，例如与中科曙光、天数智芯、燧原科技等企业联合开发金融大模型一体机、推进智算中心建设。此类合作属于技术协同与资源整合，旨在降低AI算力成本、提升模型部署效率，而非直接投资合作方股权。合作模式更倾向于联合研发、项目制分成，反映其通过生态构建强化技术壁垒的战略意图。
3. 战略签约强化场景落地能力2024年入选世界人工智能大会上海市级签约项目后，公司聚焦智能投顾、投研等场景，并与界面财联社、阶跃星辰等股东资源协同。此类签约多为政府引导的产业合作，旨在推动金融信息服务与大模型技术的融合，例如通过股东背景获取数据资源、客户渠道等支持，而非对外进行资本性投资。
4. 近期合作动态验证技术输出方向2025年8月与国金证券达成战略合作，探索“AI+金融”创新服务模式，进一步明确其通过技术输出赋能财富管理领域的路径。此类合作以技术授权、联合运营为主，例如为国金证券提供智能客服、投研辅助等解决方案，而非参与其股权结构或资金投入。
综上，上海财跃星辰智能科技的投资方向集中于自研技术迭代、生态合作网络构建及行业应用场景落地，目前未公开具体投资标的或财务性投资计划，其战略更偏向技术驱动而非资本驱动。

阶跃星辰引爆AI革命！这6家上市公司竟暗藏千亿赛道密钥？

阶跃星辰通过多模态AI技术赋能八大产业，与云赛智联、新华传媒等六家上市公司展开深度合作，这些企业股价异动背后反映AI投资浪潮的潜在趋势，但需警惕技术泡沫、数据合规及估值透支等风险。
一、阶跃星辰的产业布局与生态构建阶跃星辰以多模态AI技术为核心，通过与智元机器人合作实现实体机器人“视觉-决策-行动”全链条升级，降低训练成本并提升效率。其产业布局覆盖八大领域：
金融：与新华传媒共建财跃星辰，推出金融大模型，目标重构资管市场规则。文化：联手中文在线重构内容生产链条，网文创作效率或提升10倍，文学数据库成为AI训练资源。知识服务：与同方股份激活知网数据价值，推动科研领域智能化突破。影视：与欢瑞世纪成立“麟跃实验室”，探索AI选角、智能剧本等工业化应用。数字视频：携手中广天择实现AI视频工业化，短视频创作或进入“秒级量产”时代。算力基建：通过云赛智联布局智算中心，争夺算力定价权。

二、六家上市公司的AI战略与市场表现云赛智联（-4.31%）
作为上海智算公司股东，绑定阶跃星辰布局智算中心，算力资源或成“数字地主”核心资产。
股价下跌反映市场对算力基建高门槛的担忧，但长期需求仍被看好。
新华传媒（+3.11%）
财跃星辰金融大模型瞄准投资决策、风险预警场景，或颠覆万亿级资管市场。
股价上涨体现市场对“AI+传媒”路径的认可。
中文在线（+0.20%）
3000万部作品库成为AI训练“文学铀矿”，内容生产效率提升10倍。
微涨表明市场对AI内容创作商业化潜力持观望态度。
同方股份（-2.92%）
知网数据与AI推理结合，可能催生科研领域突破性应用。
股价下跌反映市场对数据合规风险及商业化速度的疑虑。
欢瑞世纪（-2.69%）
“麟跃实验室”推动影视工业化，AI选角、剧本生成或降低制作成本。
股价波动显示行业降本增效预期与落地不确定性并存。
中广天择（+3.35%）
AI视频工业化实现短视频“秒级量产”，重塑内容生产模式。
股价上涨体现市场对视频领域AI应用前景的乐观预期。

三、资本博弈的核心逻辑与风险数据主权争夺
知网学术数据、中文在线文学数据、中广天择视频数据成为AI时代“新石油”，企业估值或从PE转向“数据储量×算法效率”模型。
场景落地竞赛
金融、影视、机器人等场景商业化速度决定企业能否率先兑现AI红利，例如财跃星辰金融大模型若成功落地，新华传媒或成最大受益者。
生态位卡位战
合作伙伴构建完整AI产业链：云赛智联（算力基建）→阶跃星辰（技术中台）→新华传媒/欢瑞世纪（应用落地），形成闭环生态。
潜在风险
技术泡沫：多数合作仍处于实验室阶段，智元机器人AI赋能效果需实体场景验证。
数据合规：知网、中文在线数据使用可能面临版权争议，影响商业化进程。
估值透支：部分公司市盈率超行业均值，需警惕概念炒作后的价值回归。

四、AI革命的确定性趋势与投资启示产业重构加速
未来5年，AI将重塑80%以上行业价值链，智能化改造领先企业将获得超额收益，例如中广天择在视频领域的工业化布局。
数据资产重估
拥有独特数据资源的企业估值体系将升级，如中文在线文学数据库的价值可能被重新认知。
人机协作深化
从金融分析师到影视编剧，人机协同将成为职场新常态，例如欢瑞世纪AI选角技术或改变传统制作流程。
投资建议：
关注有实质性进展的企业，如新华传媒（金融大模型落地）、中广天择（AI视频工业化）。警惕“蹭热点”式合作，重点考察数据、场景、技术三重优势。长期布局算力基建（云赛智联）与数据资源（中文在线、同方股份）领域。

提示：本文为网络整理资料，不构成投资建议。AI技术商业化仍存不确定性，需结合最新动态审慎决策。

Fin-R1— 上海财经联合财跃星辰推出的金融推理大模型

Fin-R1是由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，其核心信息可归纳如下：
一、基础信息研发机构：上海财经大学人工智能金融实验室与财跃星辰联合研发。模型类型：金融领域R1类推理大模型。技术架构：基于Qwen2.5-7B-Instruct架构，拥有70亿参数，采用轻量化设计，兼顾性能与效率。训练数据：包含约6万条高质量思维链（COT）数据，经过严格筛选，确保准确性和可靠性。评测表现：在权威评测中平均得分75.2分，仅次于行业标杆DeepSeek-R1，排名第二。二、核心功能Fin-R1具备强大的金融推理与决策能力，可处理以下复杂任务：
金融数据数值推理：如财务指标计算、风险价值（VaR）分析等。金融新闻情感分析：识别新闻中的市场情绪倾向（积极/消极）。因果关系提取：分析事件间的因果逻辑，如政策变动对股价的影响。自动化金融流程：金融合规检查：自动识别违规操作，降低合规风险。
机器人投顾：提供个性化投资组合建议。
多语言支持：支持中英文金融领域推理，适应跨国业务需求。代码生成：支持金融模型和算法的代码实现（如Python、R语言）。金融计算与定量分析：处理复杂衍生品定价、投资组合优化等问题。金融安全合规与智能风控：辅助企业动态信用评分、异常交易监测。ESG分析：评估企业环境、社会和治理（ESG）表现，生成符合GRI标准的报告。三、技术架构与训练过程两阶段训练：监督微调（SFT）：使用ConvFinQA和FinQA数据集对基础模型进行微调。
目标：提升模型在金融问答、数值推理等任务上的基础能力。
强化学习（RL）：采用GRPO算法，结合格式奖励（如输出结构合规性）和准确度奖励（如答案正确性）。
引入基于Qwen2.5-Max的模型验证器，优化性能和稳定性。
轻量化设计：70亿参数在保证推理能力的同时，降低部署成本，适合资源受限场景。四、应用场景Fin-R1的应用覆盖金融行业多个关键领域：
智能风控：动态信用评分：实时评估借款人信用风险。
异常交易监测：识别洗钱、市场操纵等可疑行为。
投资决策辅助：资产配置建议：根据用户风险偏好生成投资组合。
宏观经济分析：结合新闻、政策数据预测市场趋势。
量化交易：代码编写：自动生成交易策略代码（如均值回归、趋势跟踪）。
策略开发：优化参数，提升策略收益率。
ESG分析：生成ESG报告：量化企业可持续发展表现，辅助投资者决策。
市场趋势预测：保险行业保单收益评估：预测长期保单的现金流和风险。
行业趋势分析：如利率变动对银行业的影响。
五、资源与访问项目地址：HuggingFace模型库：
https://www.php.cn/link/d26deb6325aed2d1d9ebb9d96c423854
arXiv技术论文：
https://www.php.cn/link/d66f27ddc6cea33a948e4cafefc9038e
六、优势与前景性能优势：在金融推理任务上表现接近行业顶尖水平，且资源消耗更低。应用前景：有望成为金融行业AI应用的核心工具，推动自动化、智能化转型。持续迭代：通过公开资源（如模型库、论文），支持学术界和产业界进一步优化。Fin-R1通过技术架构创新、多阶段训练和垂直领域优化，为金融行业提供了高效、可靠的AI解决方案，其应用潜力将持续释放。

海淀区中关村阶跃星辰科技创新公司怎么样

北京阶跃星辰智能科技有限公司是一家专注于人工智能大模型研发、技术实力突出且处于快速发展阶段的小微科技企业。以下从多个维度展开分析：
1. 基础信息与规模公司成立于2023年5月，位于北京市海淀区中关村核心区域，目前处于开业状态，参保人数50人，属于小微企业。法定代表人李璟同时担任执行董事和经理，核心团队包括财务负责人郑月蔚、监事朱亦博，人员结构清晰。
2. 技术方向与核心成果公司以多模态大模型为核心，覆盖视频生成、语音交互、图像生成、语言理解等领域。代表性成果包括：
Step-Video-T2V：全球参数量最大（300亿）、性能最优的开源视频生成模型；Step-Audio：首个产品级开源语音交互模型；Step-2：基于MoE架构的万亿参数语言模型，性能对标国际顶尖水平。此外，公司推出面向C端用户的智能助手“跃问”和开放世界平台“冒泡鸭”，并与吉利汽车、国泰君安证券等企业合作，推动AI在智能驾驶、金融等场景的落地。
3. 行业地位与竞争优势
技术领先性：通过开源多模态模型和评测基准（如LiveBench、OpenCompass），推动行业技术共享，被业界视为“中国版DeepSeek”。其MoE架构设计通过异构化专家参数共享提升性能，迭代速度（半年内发布11款模型）远超行业平均水平。行业认可：在权威评测中多次位列国内第一、全球前五，是目前国内唯一能与OpenAI、Anthropic等国际巨头竞争的大模型企业。商业化能力：与吉利汽车合作优化自动驾驶场景生成和智能座舱交互，与财联社联合开发“财跃F1金融大模型”，形成“语言+多模态”双线并行的产品矩阵，覆盖从千亿到万亿参数的完整技术栈。
4. 招聘与薪资水平
学历要求：本科占比54.5%，硕士占41.8%，博士占3.6%，高学历人才集中。经验要求：3-5年经验占比最高（54.5%），1-3年占20%，5-10年占1.8%。薪资水平：76.3%的岗位薪资在30-50K以上，1-3年经验平均薪资49.1K，3-5年经验平均薪资40.8K，本科平均薪资28.4K，整体薪资竞争力较强。
5. 风险与挑战作为成立仅一年的小微企业，公司需持续投入研发以维持技术领先性，同时需拓展更多商业化场景以降低对少数合作方的依赖。但其在技术共享、行业认可和商业化落地上的表现，已展现出成为AI领域头部企业的潜力。