19:42官方账号Decoder@Maximilian Schreiner桥水基金与Thinking Machines Lab的测试显示,一个经过微调的开源权重模型在金融文档评估任务上超越了GPT-4和Claude 3.5,且成本降低90%。该微调模型基于Llama 3.1 70B,在桥水内部金融问答数据集上训练,准确率达到92%,而GPT-4仅为78%。测试涵盖2000份真实金融文件,正确答案未公开以避免数据污染。AI模型BridgewaterThinking Machines LabGPTClaude微调2 个信源在谈推荐理由:桥水基金用自家金融数据微调了一个开源模型,结果比GPT和Claude都强,成本还低得多。想搞垂直领域微调的可以看看。原文
04:01The Rundown AI@therundownai精选Mira Murati的Thinking Machines Lab与全球最大对冲基金Bridgewater合作,测试AI用于投资新闻筛选。GPT、Claude、Gemini在六项过滤测试中平均准确率约50%。专家投资者编写提示词后准确率升至74-76%,但仍低于80%的信任阈值。通过TML的Tinker API微调开放权重模型,准确率达到84.7%,错误率比最佳前沿模型降低29.8%,且每任务成本仅为前者的1/13.8。AI模型Mira MuratiThinking Machines LabBridgewater微调GPT2 个信源在谈推荐理由:Mira Murati团队和桥水基金一起搞了个AI筛选新闻的实验,先用GPT、Claude只有50%准确率,专家写提示词到75%还是不够,最后微调模型干到了84.7%,成本还低了13倍多。原文
05:46官方账号LangChain@LangChainAILangChain发布新指南,指出金融服务中智能体开发的下一阶段将由信任、控制和生产就绪来衡量。指南以JP Morgan、Chime和Bridgewater为例,展示他们在研究、会员体验和投资工作流中部署生产级智能体的实践。这些案例强调了从实验到生产的关键挑战和解决方案。行业JP MorganChimeBridgewater智能体金融推荐理由:LangChain教你金融业怎么用智能体,JP Morgan、Chime、Bridgewater的实战案例都在这了。原文