遇见Slope TransFormer：一个专门训练以理解银行语言的大型语言模型（LLM）
“与斜坡转换器相会：一款专为掌握银行术语而设计的大型语言模型（LLM）”
<img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/1_FbKukA5DdQAbrwWjvlE9Eg-1024×288.gif”/><img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/1_FbKukA5DdQAbrwWjvlE9Eg-150×150.gif”/><p>在支付中，了解交易对于评估企业风险至关重要。然而，解读混乱的银行交易数据是一项挑战，因为它在不同银行之间以各种方式表达。像Plaid和ChatGPT这样的现有解决方案存在限制，如覆盖范围低和冗长。为了解决这个问题，已开发出一种名为Slope TransFormer的新解决方案，它是一个专门训练以理解银行语言的大型语言模型（LLM）。</p><p>交易很难理解，因为它们以不同的形式出现，使得传统的基于规则的方法失效。Plaid作为一个标准的开放银行提供商，仅覆盖不到50%的交易数据，其标签可能存在噪声和困惑。像ChatGPT这样的LLM承诺能够从非结构化数据中提取含义，但需要在不可预测性和可扩展性上提供帮助。</p><p><a href=”https://sihaiba.com/semantic-segmentation-with-dense-prediction-transformers.html”>Slope TransFormer</a>，这个<a href=”https://www.xiaozhuai.com/ai-solution-on-amazon-sagemaker-to-assist-amazon-eu-design-and-construction.html”>新解决方案</a>通过成为一种专有的LLM，被优化以从银行交易中提取含义，克服了这些挑战。它通过以可解释的方式提供准确而简洁的交易对手标签，解决了其前身SlopeGPT的局限性。其成功的关键在于在训练期间定义一种新语言，专注于从交易中提取商家名称。</p><p>利用高效的基础模型OPT-125M和称为LoRA的微调算法，TransFormer实现了卓越的速度-每秒标记超过500个交易，相比SlopeGPT提速250倍。它对人类专家的准确匹配精度超过72%，超过了只有62%的Plaid。该解决方案准确且高度一致，在生产系统中可靠。</p><p>TransFormer的性能已经导致其部署在实时信用监控仪表盘中。其高效性和功能性提供了对企业的详细视图，可以监控不断变化的风险，警报异常事件，并应用自动调整。最终目标是使用TransFormer为整个核保系统提供动力，实现对传统财务以外的企业的精确理解。</p><p>总之，Slope TransFormer标志着在B2B经济中重新定义核保的重要里程碑。其高效性、准确性和可解释性为对企业的更加精确理解铺平了道路，解锁了用于监视和管理风险的新实时信号。这一进展与SlopeAI更广泛的愿景相一致，即利用人工智能来自动化工作流程，消除几十年来妨碍进展的低效率。</p><p>这篇文章最初发表在<a href=”https://guoyuhan.love/introducing-medcpt-a-contrastive-pretrained-transformer-model-for-zeroshot-biomedical-information.html”>Meet Slope TransFormer: A Large Language Model (LLM) Trained Specifically to Understand the Language of Banks</a>，最初由<a href=”/?s=MarkTechPost”>MarkTechPost</a>发布。</p>
