在金融这个高度依赖数据、逻辑和精确性的领域，人工智能（AI）的应用前景广阔，但挑战也同样巨大。数据碎片化、模型推理过程“黑箱”化、业务场景泛化能力弱……这些难题一直困扰着金融 AI 的落地。

我们要向大家介绍一款可能改变这一现状的开源新星——Fin-R1！这款由上海财经大学张立文教授团队（SUFE-AIFLM-Lab）联合财跃星辰研发的金融推理大模型，以其70亿（7B）的轻量级参数，在关键金融推理任务上取得了惊人的性能，直逼甚至超越了参数量数十倍、百倍于它的大模型，堪称金融推理领域的新标杆！

AI快站 - 模型下载 :

SUFE-AIFLM-Lab/Fin-R1 · Hugging Face

Fin-R1 简介：为金融推理而生

Fin-R1 (Finance Reasoning Large Language Model) 并非通用型大模型，而是专为金融领域设计的推理（Reasoning）大模型，属于 R1 类模型。它的核心目标是解决金融 AI 在实际应用中遇到的核心痛点：

• 数据碎片化与噪音： 金融数据来源多样，格式不一，噪音多，难以有效利用。
• 推理逻辑不可控： 传统模型像个“黑箱”，难以理解其决策过程，这在需要高可靠性的金融领域是致命的。
• 业务泛化能力弱： 模型往往在一个任务上训练好，换个场景就“水土不服”。

Fin-R1 正是为了攻克这些难题而生，致力于提升 AI 在金融领域的逻辑推理、计算、合规审查和风险控制等核心能力。

轻量却强大：Fin-R1 的核心技术揭秘

Fin-R1 的成功并非偶然，其背后是巧妙的架构设计、高质量的数据构建和创新的训练方法。

• 精巧的基础架构： Fin-R1 选择了基于表现优异的 Qwen2.5-7B-Instruct 模型进行微调。70亿参数的规模，相较于动辄百亿、千亿参数的通用大模型，极大地降低了部署门槛和运行成本，使其在实际业务中更具可行性。
• 高质量的金融“食粮”：Fin-R1-Data 模型性能的基石是数据。研发团队精心构建了约 6 万条高质量的金融推理数据集 Fin-R1-Data。这个数据集的特别之处在于：
  1. 数据蒸馏： 以强大的 DeepSeek-R1 模型为“老师”，通过数据蒸馏技术，将复杂的推理能力提炼并迁移出来。
  2. 权威筛选： 利用 LLM-as-judge 方法，结合权威金融数据源进行筛选和校验，确保数据的专业性和准确性。 这使得 Fin-R1-Data 成为模型学习复杂金融逻辑的宝贵资源。
  
• 创新的两阶段训练法： 为了将金融推理能力精准注入模型，Fin-R1 采用了两阶段训练策略：
  1. 监督微调 (SFT - Supervised Fine-Tuning): 使用 Fin-R1-Data 对基础模型进行 SFT，让模型初步掌握金融领域的知识和推理模式。
  2. 强化学习 (RL - Reinforcement Learning): 采用先进的 Group Relative Policy Optimization (GRPO) 算法进行强化学习训练。这一步是关键，它进一步提升了模型的推理能力，并使模型的输出格式更加标准化、符合预期，解决了 R1 模型常见的输出不稳定问题。

性能实测：7B 如何挑战行业巨头？

是骡子是马，拉出来遛遛！Fin-R1 的性能表现令人瞩目，完全对得起“新标杆”的称号。

• 权威榜单名列前茅： 在权威的金融大模型评测中，Fin-R1 获得了 75.2 分的平均分，在发布时位居榜单第二名！
• 令人惊叹的越级挑战：
  • 与 6710 亿 (671B) 参数的 DeepSeek-R1 相比，Fin-R1 的得分仅低了 3分。
  • 与 700 亿 (70B) 参数、同样经过蒸馏的 DeepSeek-R1-Distill-Llama-70B 相比，Fin-R1 的得分高出了整整 6 分！ 这充分证明了 Fin-R1 以极高的效率实现了强大的金融推理能力。
• 金融推理基准 SOTA (State-of-the-Art)： 在 FinQA 和 ConvFinQA 这两个衡量金融领域复杂数值推理和对话式问答能力的核心基准测试上，Fin-R1 均取得了 SOTA 成绩，分别达到了 76.0 分 和 85.0 分，展现了其在处理真实金融问题的硬实力。
• 广泛的泛化能力： 除了核心推理任务，Fin-R1 在 Ant_Finance, TFNS, Finance-Instruct-500K 等其他金融基准测试上也表现出色，证明其具备良好的跨任务、跨场景泛化能力。

低门槛部署

得益于其 7B 的轻量级设计，Fin-R1 的部署相对容易。根据官方信息，模型可以在单张 NVIDIA 4090 或类似性能的消费级/企业级 GPU 上运行，这大大降低了企业和开发者尝试和应用该模型的门槛。

应用场景：Fin-R1 如何赋能金融业务？

Fin-R1 的出色能力使其在广泛的金融场景中具有巨大的应用潜力：

• 银行业务： 自动计算复杂贷款产品的利息、评估客户信用风险、生成个性化的财富管理建议。
• 基金与证券： 辅助进行资产配置分析、根据市场数据和用户指令编写量化交易策略代码、进行智能投研报告的生成与摘要。
• 保险业务： 精确评估保单收益、进行保险产品条款的智能解读与问答、辅助核保核赔。
• 合规与风控： 自动审查金融合同、交易记录是否符合监管要求、识别潜在的金融风险点。
• ESG 分析： 分析企业 ESG 报告，提取关键信息，评估可持续发展表现。
• 金融计算与代码生成： 直接处理涉及复杂计算的金融问题，并能根据自然语言描述生成 Python 等语言的金融分析代码。

结语：金融 AI 的新里程碑

Fin-R1 的开源发布，无疑是金融 AI 领域的一个重要里程碑。它证明了通过精心的设计、高质量的数据和创新的训练方法，轻量级模型同样可以在专业领域达到顶尖水平。

AI快站 - 模型下载

SUFE-AIFLM-Lab/Fin-R1 · Hugging Face