Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Рекламные акции
AI
Gate AI
Ваш универсальный AI-ассистент для любых задач
Gate AI Bot
Используйте Gate AI прямо в вашем социальном приложении
GateClaw
Gate Синий Лобстер — готов к использованию
Gate for AI Agent
AI-инфраструктура: Gate MCP, Skills и CLI
Gate Skills Hub
Более 10 тыс навыков
От офиса до трейдинга: единая база навыков для эффективного использования ИИ
GateRouter
Умный выбор из более чем 30 моделей ИИ, без дополнительных затрат (0%)
Тайваньская финансовая индустрия должна создавать собственный ИИ! Проект FinLLM вложил почти 70 миллионов, предварительный обзор сроков разработки и ключевых особенностей
16 финансовых учреждений Тайваня продвигают проект FinLLM, инвестируя почти 70 миллионов тайваньских долларов в создание специально для Тайваня крупной языковой модели для финансового сектора. Внутри модели учитываются местные нормативы, что решает проблему ошибок общего ИИ, и планируется выпустить первую версию банковской модели к концу этого года.
16 финансовых учреждений объединяются для разработки AI FinLLM для тайваньской финансовой индустрии
С ростом волны генеративного ИИ по всему миру, универсальные большие языковые модели при работе в профессиональной финансовой сфере сталкиваются с проблемами недостаточной локализации и сложности интеграции знаний и нормативов тайваньского финансового сектора.
В связи с этим, вчера (22/4) Альянс финансовых технологий объявил о начале проекта крупной языковой модели для финансов (FinLLM), объединив 16 внутренних финансовых учреждений, а также привлекая ресурсы Национальной комиссии по развитию науки и технологий, Департамента цифрового развития и Финансовой регуляторной комиссии.
По сообщениям «Экономической ежедневной газеты» и «iThome», председатель Финансовой регуляторной комиссии Пен Цзинлун отметил, что финансовая индустрия — это высокорегулируемая сфера, которая включает множество сложных местных нормативов. В настоящее время большинство универсальных больших языковых моделей обучаются на международных данных, и их прямое применение может привести к ошибкам в нормативных вопросах.
Министр департамента цифрового развития Лин Ицзинь также отметил, что при работе с профессиональными финансовыми вопросами в конкретных странах, модели часто ссылаются на иностранное законодательство, что вызывает ошибки. Разработка модели, обладающей знаниями о тайваньских нормативных актах и способностью к локализации, стала важной задачей для обеспечения рискового контроля и соблюдения нормативов.
Источник изображения: Новостное фото Альянса финансовых технологий. Министр департамента цифрового развития Лин Ицзинь на пресс-конференции по запуску тайваньской финансовой языковой модели AI FinLLM
Участвуя в этом инфраструктурном проекте ИИ, финансовый сектор надеется перейти от пассивной проверки соответствия к активной защите, что приведет к полной трансформации финансовых услуг и организационных процессов.
Альянс финансовых технологий также обнародовал список участников проекта: CTBC Financial Holding, Chunghwa Post, Taishin Shin Kong Financial Holding, E.SUN Financial Holding, Bank of Taiwan, Mega Financial Holding, First Commercial Bank, Next Bank, Cathay Financial Holding, Fubon Financial Holding, Hua Nan Financial Holding, KGI Securities, Chang Hwa Bank, Bank of Taiwan, Land Bank of Taiwan и Taiwan Cooperative Bank.
План разработки FinLLM: обучение в мае, запуск первой версии к концу года
Когда же завершится разработка FinLLM для финансового сектора? Официальные источники сообщают, что проект планируется запустить обучение модели в мае этого года.
На первом этапе сосредоточатся на банках с более полными нормативными базами и данными, ожидается, что к третьему кварталу будет завершена первая версия модели, а к концу года — финальная версия банковской модели. В дальнейшем планируется расширение на страховые и брокерские компании. «Журнал Business Weekly» отмечает, что весь проект обошется примерно в 70 миллионов тайваньских долларов.
Директор по информационным технологиям CTBC Financial, Цзя Цзингуан, сообщил, что проект FinLLM объединит «Тайваньский суверенный AI корпус данных» департамента цифрового развития и нормативы Финансовой регуляторной комиссии для легитимного обучения, а местная команда Азиатско-Тихоокеанского интеллектуального машинного интеллекта займется настройкой и оптимизацией, а Национальный университет Чэнчжи создаст стандартизированные механизмы оценки для проверки нормативной соответствия выводов модели.
Цель — создать систему, способную выполнять задачи начального уровня для банковских сотрудников, такие как оценка кредитоспособности и финансовый анализ, а в будущем — передать управление лицензированием, итерациями и экосистемой применения третьим сторонам.
Источник изображения: Новостное фото Альянса финансовых технологий. Группа участников на пресс-конференции по запуску тайваньской финансовой языковой модели AI FinLLM
Чем отличается FinLLM от существующих подходов?
На текущий момент большинство банков используют при внедрении генеративного ИИ архитектуру с расширением поиска.
Цзя Цзингуан отметил, что существующий подход — это создание базы знаний вне универсальной модели, которая позволяет модели в реальном времени обращаться к данным перед генерацией ответа. Это снижает вероятность ошибок, но при этом в процессе поиска информации возможны пропуски, а при увеличении объема знаний возникают технические ограничения по скорости поиска и стабильности ответов.
Разработка собственного FinLLM для финансового сектора отличается от предыдущих методов расширенного поиска тем, что в модель напрямую встроены знания о тайваньских нормативных актах и индустриальные знания, и системе не требуется внешних запросов — она может самостоятельно понимать финансовую логику и генерировать ответы, что значительно повышает полноту и аналитическую способность.
Это важный шаг для тайваньского рынка ИИ после внедрения базового закона о ИИ и запуска руководства по применению ИИ в финансовой сфере Финансовой регуляторной комиссией.
В будущем модели ИИ для финансового сектора, скорее всего, будут использовать гибридный подход, при котором локальная модель, обученная внутри страны, будет дополняться внешними базами знаний для получения актуальной информации, а также будет применяться человеко-машинное сотрудничество для контроля решений, что повысит качество и эффективность финансовых услуг.
Дополнительное чтение:
Центральное агентство подало иск против Тайваньского университета за использование данных на繁体中文, возможное нарушение авторских прав, стороны уже договорились о примирении
Общественность активно разводит рыбных раков! Департамент цифрового развития: ИИ-агенты обязательно интегрируются в государственные службы, Foxconn планирует инвестировать в тайваньские вычислительные мощности