Finance-LLM est un modèle de langage affiné par instruction construit sur Llama 2 13B, développé par les chercheurs Zhao et ses collègues pour faire progresser les capacités de raisonnement en IA financière. Il représente l'un des premiers efforts d'adaptation des grands modèles de langage aux tâches financières.
Le modèle a été entraîné sur un ensemble complet d'instructions financières comprenant 150 000 paires Q&A financières couvrant la finance d'entreprise, l'analyse d'investissement, la comptabilité financière et la microstructure des marchés. Cet ensemble de données a été soigneusement organisé à partir de manuels financiers, de rapports d'analystes et de matériels de préparation aux examens financiers.
Bien que Finance-LLM soit basé sur l'architecture Llama 2, il reste une référence précieuse pour la communauté de recherche en IA financière. Ses 150K paires d'instructions fournissent une base solide pour l'apprentissage par transfert, et les performances du modèle sur les benchmarks de raisonnement financier démontrent l'efficacité de l'affinage par instruction dans le domaine financier.