金融大模型：指应用于金融领域的大型语言模型，它拥有大量参数和复杂结构，通常基于机器学习和人工智能技术。这些模型通过分析金融相关数据，并基于历史数据和主流的金融理论进行训练，从而能够识别和预测市场趋势，制定相关策略，提高金融决策的精度和效率。
金融级Al原生：描述专为满足金融行业最严格需求而设计和优化的Al系统，包含安全性、可靠性、可扩展性、合规性等方面，适用于高复杂性和高风险的金融场景。
生成式Al:一种人工智能模型，关注学习输入数据的分布规律，并生成与输入数据类似的新数据，广泛应用于图像生成、文本生成等领域。
判别式AI:一种通过分析输入和输出之间的关系来进行分类或回归的Al模型，常用于推荐系统、风险控制等任务。
RAG(检索增强生成技术):结合信息检索与生成技术的系统，用于应对复杂查询和生成任务，如问答系统和内容创作。
大模型规模定律(Scaling Law):描述大模型参数数量与性能提升的关系，强调模型规模扩大会显著提升其学习能力和任务处理性能。
低延时与高并发：大模型处理实时任务(如交易监控)和高并发场景(如大规模用户同时请求)的关键能力，依赖模型优化和分布式架构实现。
模型微调：在预训练模型的基础上，利用特定领域的数据对模型进行调整，以提升其在特定任务中的表现。
云原生架构：通过容器化、微服务等技术实现资源弹性和高效管理，为大模型训练和推理提供灵活的基础设施。
金融云专属VPC模式：一种部署形式，将大模型应用和知识库部署在金融云客户的专属虚拟私有云中，确保数据隐私和安全。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
