召回在推荐系统中的重要性，能够快速筛选候选集，增加业务丰富性。常用召回方法包括传统召回、基于FM的召回、图召回、内容语义i2i召回和embedding召回。召回中存在负样本构建、竞争和目标不一致等问题，可通过全链路优化缓解。常见的召回术语包括I2I、U2I、U2U2I、U2I2I、U2TA...(more)

GPT是一种预训练语言模型，可用于自然语言处理任务。它采用生成式预训练和判别式任务微调的方法，使得模型搭建更简单。适配不同任务的输入形式是一个问题，但通过增加应用层级的网络和有监督微调，可以解决。使用huggingface的模型调用和微调也变得更加简单。...(more)

BERT是一种预训练语言模型，可用于多种NLP任务，包括文本蕴含、文本匹配、问答选择等。其训练数据经过Mask和拼接，主要分为input embedding、BERT模型和下游任务三个部分。

本文讨论了大模型在信用评估、欺诈检测和客户服务场景中的微调策略，共同点包括数据处理和微调、使用预训练模型、针对特定任务进行微调；差异点包括学习方式、核心目标、数据特性、模型输出和评估框架。在微调过程中需要平衡保证泛化能力和满足特定业务需求，可以采取引入领域...(more)

这篇文章从深入地分析模型原理开始，对各种模型底层进行了详细的对比。然后，结合保险业务应用场景进行了实用性分析，实现了从技术核心到应用层面的全面解读。引入新技术的同时，也会带来新的技术风险。因此，每个金融机构都需要根据其自身特点，既要落实科技金融和数字金融的实际应...(more)

金融行业大模型技术应用广泛，包括智能客服、风险管理、市场分析、个性化服务、自动化流程和智能化投资决策。未来，金融行业将迎来由AI驱动的新阶段，AIAgent全面推广，金融AI安全建设和大模型AI基础设施平台化等趋势。...(more)

本文探讨了银行数据基础设施建设面临的挑战及大模型在银行应用中的挑战，提出了大模型时代银行数据基础设施建设思路，分析了大模型应用对银行的意义。建议银行加强科技规划与战略布局，利用新技术手段加速构建数据基础设施，加强风险管控和信息保护，为数字化转型提供坚实基础。...(more)

大模型是新方向、新学科，跟随作者分享多多学习