大語言模型與普惠金融融合應(yīng)用路徑研究

摘 要：普惠金融的高質(zhì)量發(fā)展直接影響金融強國戰(zhàn)略的實現(xiàn)，但當(dāng)前普惠金融的發(fā)展面臨信息不對稱、融資成本高等問題，不利于其高質(zhì)量發(fā)展。大語言模型作為一種新的數(shù)字技術(shù)，能夠緩解普惠金融發(fā)展面臨的困境。當(dāng)前，為促進大語言模型在普惠金融中的應(yīng)用，應(yīng)夯實其應(yīng)用環(huán)境建設(shè)、降低輸出結(jié)果偏見、強化應(yīng)用合規(guī)管理、重視數(shù)據(jù)安全、加強人才隊伍建設(shè)、客觀看待決策結(jié)果，并加大資源投入力度。

關(guān)鍵詞：金融強國；大語言模型；普惠金融

一、背景

2023年10月30日至31日，第六次中央金融工作會議在北京召開。此次金融工作會議首次提出“金融強國”的目標(biāo)，這也是我國金融今后發(fā)展的戰(zhàn)略指導(dǎo)思想。會議要求要做好科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章，其中，普惠金融作為五大金融種類之一，經(jīng)過多年的發(fā)展已取得重要突破，尤其是在數(shù)字技術(shù)的應(yīng)用方面，無論是廣度還是寬度均取得長足進步，普惠金融對于促進全面建成小康社會、經(jīng)濟轉(zhuǎn)型發(fā)展、社會和諧都具有重要意義。2023年9月25日，《國務(wù)院關(guān)于推進普惠金融高質(zhì)量發(fā)展的實施意見》發(fā)布，強調(diào)在未來五年要基本建成高質(zhì)量的普惠金融體系，具體表現(xiàn)為基礎(chǔ)金融服務(wù)更加普及、經(jīng)營主體融資更加便利、金融支持鄉(xiāng)村振興更加有力、金融消費者教育和保護機制更加健全、金融風(fēng)險防控更加有效、普惠金融配套機制更加完善，將普惠金融的重要性提升到一個新的高度，也提出了更高的要求。然而，普惠金融在發(fā)展過程中仍面臨信息不對稱、信用風(fēng)險過高等問題，影響了普惠金融的進一步發(fā)展。

隨著數(shù)字技術(shù)的快速發(fā)展，普惠金融的高質(zhì)量發(fā)展越來越離不開數(shù)字技術(shù)的加持，只有通過數(shù)字技術(shù)的不斷迭代才能解決普惠金融發(fā)展面臨的難題。大語言模型作為一種新的數(shù)字技術(shù)，因ChatGPT的推出而受到廣泛關(guān)注。ChatGPT主要是基于大規(guī)模預(yù)訓(xùn)練模型GPT3-5所具備的較強的語言理解與生成功能，將RLHF（Reinforcement Learning from Human Feedback）技術(shù)應(yīng)用其中，讓機器能夠在比較自然的、人性化的過程中得到訓(xùn)練、產(chǎn)生互動。ChatGPT的獨特之處在于其通過用戶行為互動，將人類行為嵌入訓(xùn)練過程中，以更寬廣的視角與更高的效率學(xué)習(xí)，從而逐步形成符合人類價值觀的行為導(dǎo)向。ChatGPT自發(fā)布以來就迅速成為社會關(guān)注的焦點，在短時間內(nèi)用戶注冊量破億，受到市場的廣泛歡迎。ChatGPT的功能十分智能化，能夠在短時間內(nèi)快速根據(jù)用戶的需求生成相應(yīng)文本，甚至還具備長期記憶的特點，只需要用戶發(fā)出提示，就能完成相應(yīng)的項目。ChatGPT模型作為大語言模型的具體應(yīng)用，展現(xiàn)出大語言模型的強大功能。大語言模型正是通過各種訓(xùn)練，在海量級別的數(shù)據(jù)中通過算力形成知識，并將這些知識儲存于各種參數(shù)中，最終形成能夠快速、高效完成各項任務(wù)的技術(shù)架構(gòu)。目前，大語言模型在互動問答、智能翻譯、信息搜索、文本及代碼生成、邏輯推理和簡單的智能分析等領(lǐng)域的表現(xiàn)不輸人類正常水平，這種人機交互方式的應(yīng)用在普惠金融領(lǐng)域也有著巨大的應(yīng)用前景。

大語言模型的發(fā)展可以推動建立高質(zhì)量的普惠金融體系。一方面，大語言模型可以提升運營效率，降低服務(wù)成本。金融機構(gòu)可以借助大語言模型不斷優(yōu)化其普惠金融商業(yè)模式及業(yè)務(wù)流程，通過提高服務(wù)效率，降低客戶服務(wù)成本。另一方面，大語言模型在控制風(fēng)險方面也表現(xiàn)出顯著優(yōu)勢，其強大的數(shù)據(jù)分析能力能夠基于復(fù)雜的數(shù)據(jù)集中分析出規(guī)律，評估普惠群體的信用水平，進而為金融機構(gòu)的普惠金融業(yè)務(wù)提供實時預(yù)警機制，降低信用風(fēng)險。此外，在產(chǎn)品定制化服務(wù)方面，大語言模型的算法技術(shù)能夠準(zhǔn)確理解客戶的需求，利用先進的算法、軟件、智能機器等，隨時為普惠群體量身定制金融產(chǎn)品，提升客戶滿意度。大語言模型在客戶服務(wù)方面也可實現(xiàn)較好的應(yīng)用，通過對各類信息的收集整理和提煉，并結(jié)合自身的知識庫與搜索引擎，能夠更高效、實時地回答客戶的疑問，較傳統(tǒng)的智能客服更專業(yè)、更高效。因此，研究大語言模型的發(fā)展，分析其功能，探索其在普惠金融中的應(yīng)用，能夠幫助廣大金融機構(gòu)更好地服務(wù)中小企業(yè)，服務(wù)普惠群體。

二、普惠金融發(fā)展現(xiàn)狀

黨的十八屆三中全會提出了發(fā)展普惠金融的戰(zhàn)略構(gòu)想，金融機構(gòu)等主體積極貫徹落實布局普惠金融，商業(yè)銀行甚至專門針對普惠金融服務(wù)設(shè)置考核指標(biāo)，無論是在金融服務(wù)的可得性還是覆蓋率上均取得顯著成效。但是在發(fā)展過程中仍然存在一些挑戰(zhàn)，普惠群體能夠接受到的金融服務(wù)仍然不足，主要表現(xiàn)在以下幾方面：

（一）信息不對稱問題較為突出

普惠金融發(fā)展面臨的最大的難題就是信息不對稱。我國征信體系起步比較晚，2003年中國人民銀行征信管理局成立，2006年中國人民銀行征信中心正式成立，但我國卻擁有世界上規(guī)模最龐大的征信數(shù)據(jù)。截至2023年6月底，我國個人征信系統(tǒng)中接入的金融機構(gòu)超過4000家，收錄的個人信息超過11.5億，企業(yè)征信系統(tǒng)中，接入的金融機構(gòu)超過3800家，收錄的企業(yè)用戶數(shù)近1億（包括已注銷），數(shù)據(jù)規(guī)模龐大但有用的信息不多，在自然人信用信息中，僅有一半人的信息具有實質(zhì)性價值，剩余的信息可用性不強。征信中心系統(tǒng)主要服務(wù)于傳統(tǒng)金融機構(gòu)，且其中客戶的數(shù)據(jù)必須是接受過傳統(tǒng)金融機構(gòu)服務(wù)的客戶，但是普惠群體被傳統(tǒng)金融機構(gòu)服務(wù)的覆蓋面并不足，因而這些客戶群體在征信中心系統(tǒng)的數(shù)據(jù)維度不足，導(dǎo)致傳統(tǒng)金融機構(gòu)難以準(zhǔn)確評估其真實信用水平，產(chǎn)生信息不對稱問題。尤其是對銀行而言，對普惠群體服務(wù)的成本過高而收益較低，使得金融機構(gòu)為普惠群體服務(wù)的意愿不足。

（二）融資成本較高

雖然與金融相關(guān)的數(shù)字技術(shù)已經(jīng)取得較快發(fā)展，但不可否認(rèn)，依靠傳統(tǒng)的物理網(wǎng)點提供金融服務(wù)的機構(gòu)仍然占據(jù)很大一部分比重，比如金融機構(gòu)給企業(yè)開銷戶必須到物理網(wǎng)點辦理，而普惠群體大部分都生活在偏遠地區(qū)、廣大農(nóng)村，導(dǎo)致物理網(wǎng)點運營成本增加。其次，傳統(tǒng)金融機構(gòu)給普惠群體提供服務(wù)需要普惠群體的抵質(zhì)押物作為擔(dān)保，但普惠群體通常缺乏足值的抵質(zhì)押物，導(dǎo)致其融資成本過高。此外，人工成本逐漸增加也是影響融資成本進一步上升的重要因素，雖然很多金融機構(gòu)都有線上產(chǎn)品，但是金融機構(gòu)對普惠群體服務(wù)仍然離不開人工操作。此外，隨著老齡化程度的加劇，人工成本將進一步提升，而普惠群體需要的金融服務(wù)通常表現(xiàn)為“短、頻、快”，這就導(dǎo)致為普惠群體服務(wù)的效益較低，而為了保證效益，金融機構(gòu)只能提高為普惠群體的服務(wù)成本。

（三）金融服務(wù)邊界趨窄

如何打通普惠金融服務(wù)的“最后一公里”是真正體現(xiàn)普惠金融的關(guān)鍵，盡管數(shù)字技術(shù)的發(fā)展在一定程度上緩解了這一難題，但尚未從根本上解決，很多金融機構(gòu)雖推出了一些數(shù)字化產(chǎn)品，但線上業(yè)務(wù)的復(fù)雜程序缺乏點對點指導(dǎo)，導(dǎo)致普惠群體的應(yīng)用不足。此外，出于成本考慮，線下物理網(wǎng)點一般都開設(shè)在城鎮(zhèn)地區(qū)，廣大農(nóng)村以及偏遠地區(qū)的客戶難以前往營業(yè)網(wǎng)點享受到正規(guī)的金融服務(wù)，金融機構(gòu)為普惠群體提供金融服務(wù)的邊界趨窄。

（四）個性化服務(wù)不足

傳統(tǒng)金融機構(gòu)的服務(wù)重點主要集中在高凈值客戶群體，并專門為他們提供諸多個性化、定制化服務(wù)，從而為金融機構(gòu)帶來豐厚的利潤與較高的客戶忠誠度。但是普惠群體本身對價格敏感度更高，基于獲取利潤較低與服務(wù)成本較高等原因，相比于提供個性化服務(wù)，金融機構(gòu)更愿意為普惠群體提供定制化、批發(fā)化的產(chǎn)品。這種做法雖然可以降低服務(wù)成本，但也限制了普惠金融服務(wù)的多樣性和靈活性，無法充分滿足普惠群體的多樣化需求。

（五）金融消費者權(quán)益保護有待加強

金融消費者權(quán)益保護是社會關(guān)注的熱點問題。金融消費者權(quán)益受到侵犯主要有以下幾種情況：一是遭受金融詐騙。由于信息泄露，金融消費者的個人資料被不法分子獲取，不法分子利用金融消費者的心理，一步步誘導(dǎo)進行詐騙。二是侵害公平交易權(quán)。普惠群體在向金融機構(gòu)尋求金融服務(wù)的過程中，通常處于不對等的地位，一些金融機構(gòu)利用格式條款，設(shè)置對金融機構(gòu)有利的條款，加重金融消費者的責(zé)任，而合同條款往往冗長復(fù)雜，一般人很難真正認(rèn)真地審核合同條款。三是維權(quán)較為困難。當(dāng)金融消費者權(quán)益遭受侵犯時，其往往并不完全了解如何為自身進行維權(quán)，表現(xiàn)出無所適從的情況。維權(quán)渠道不暢、維權(quán)成本高等問題，使金融消費者在權(quán)益受損時難以有效保護自身利益。

三、大語言模型在普惠金融中的創(chuàng)新應(yīng)用

大語言模型主要是基于海量數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)算法，是目前人工智能技術(shù)領(lǐng)域最前沿的應(yīng)用之一，大語言模型是一種神經(jīng)網(wǎng)絡(luò)的自然語言處理技術(shù)，能夠根據(jù)海量的數(shù)據(jù)分析出用戶的習(xí)慣和特征并自動生成自然語言文本的AI程序。神經(jīng)網(wǎng)絡(luò)模型通過學(xué)習(xí)大量的網(wǎng)絡(luò)信息，根據(jù)這些信息自動提取信息存在的規(guī)律特征，實現(xiàn)理解信息、生成語言的功能。例如，自然語言文本可以作為字符序列輸入到神經(jīng)網(wǎng)絡(luò)模型中，通過與多層神經(jīng)元進行分析、轉(zhuǎn)換，進而形成相應(yīng)的輸出序列。

大語言模型的核心優(yōu)勢在于能夠理解用戶的思想，屬于數(shù)據(jù)驅(qū)動型技術(shù)。需要指數(shù)級的數(shù)據(jù)進行驅(qū)動訓(xùn)練、迭代，形成相應(yīng)的規(guī)律特征，其數(shù)據(jù)無需人工進行干預(yù)清洗，可根據(jù)最基礎(chǔ)的數(shù)據(jù)進行學(xué)習(xí)。此外，大語言模型具有一定的連貫性，能夠根據(jù)現(xiàn)有的文本信息生成連貫的文本，同時具備通用性，能夠處理多種自然語言處理任務(wù)。其基本功能包括五方面，即機器翻譯、文本摘要與生成、情感分析與智能客服、代碼生成與自動化編程、問答系統(tǒng)與知識圖譜。一是機器翻譯。大語言模型經(jīng)過訓(xùn)練，能夠翻譯不同類型的語言，這是大語言模型應(yīng)用最普遍的場景，也是相對成熟的技術(shù)，如百度翻譯、谷歌翻譯等就屬于這種應(yīng)用。但是機器翻譯仍需改進，尤其是在長語句的理解和歧義的消除等方面，機器翻譯的精確度與流暢性仍有待提升。二是文本摘要與生成。大語言模型經(jīng)過訓(xùn)練后，能夠自動提煉出文本的關(guān)鍵信息，比如生成一篇文章的摘要，通過設(shè)定關(guān)鍵詞或特定的內(nèi)容，大語言模型還能生成相關(guān)的新聞報道。三是情感分析與智能客服。這是大語言模型在實際中得到應(yīng)用的另一個重要領(lǐng)域，通過對文本進行閱讀理解，其能夠掌握客戶的情感，為金融機構(gòu)或者其他市場主體提供更加高效的營銷策略。大語言模型還能幫助一些大型企業(yè)建立智能客服系統(tǒng)，實現(xiàn)24小時不間斷在線服務(wù)，提高客戶滿意度。四是問答系統(tǒng)與知識圖譜。這是大語言模型在人機交互領(lǐng)域的重要應(yīng)用。大語言模型通過訓(xùn)練，能夠較為準(zhǔn)確地理解用戶需求，并給出相應(yīng)的答案。同時，通過與知識圖譜結(jié)合，其在搜索與推理方面比傳統(tǒng)方式更加智能化。五是代碼生成與自動化編程。在預(yù)訓(xùn)練的基礎(chǔ)上，大語言模型能夠自動學(xué)習(xí)代碼邏輯，理解算法規(guī)則，實現(xiàn)代碼的自動生成，目前逐漸應(yīng)用在國內(nèi)外的軟件開發(fā)領(lǐng)域。因此，基于大語言模型的功能特點并且結(jié)合其他數(shù)字技術(shù)的作用，能夠緩解普惠金融發(fā)展面臨的難題。

（一）緩解信息不對稱

金融機構(gòu)通常根據(jù)對借款人提供的數(shù)據(jù)以及征信系統(tǒng)的存量數(shù)據(jù)（主要包括金融交易、歷史信用數(shù)據(jù)、資產(chǎn)負債表等財務(wù)報表、資產(chǎn)等）進行分析，確定其信用等級，貸款后也是通過定期分析借款人數(shù)據(jù)來判斷其還款能力。然而，普惠群體在征信系統(tǒng)內(nèi)往往缺乏有用數(shù)據(jù)，無法為傳統(tǒng)金融機構(gòu)提供能夠生成信用評分的數(shù)據(jù)。雖然金融機構(gòu)可以通過傳統(tǒng)關(guān)鍵詞算法的搜索方式搜索普惠群體的公開數(shù)據(jù)，但是搜索出的數(shù)據(jù)質(zhì)量較低，對評估普惠群體的信用效果不佳，而大語言模型可以使用比傳統(tǒng)搜索更加智能的搜索方式，如“神經(jīng)搜索（Neural Search）”來處理普惠群體的公開數(shù)據(jù)。這種搜索方式能夠準(zhǔn)確理解搜索者的信息，包括長詞短句以及明確的語句等，從而搜索出想要的結(jié)果。此外，大數(shù)據(jù)技術(shù)利用公開數(shù)據(jù)、衛(wèi)星圖像、社交媒體等網(wǎng)絡(luò)數(shù)據(jù)，進行數(shù)據(jù)采集、預(yù)處理、存儲及管理、分析及挖掘等，與大語言模型進行結(jié)合，在一定程度上能夠較為準(zhǔn)確地分析出普惠群體的信用等級，并判斷其還款能力，這種智能搜索和數(shù)據(jù)分析技術(shù)在一定程度上降低了信息不對稱的問題，從而增強了信貸決策的準(zhǔn)確性。

（二）降低融資成本

普惠群體，尤其是小微企業(yè)的發(fā)展易遭受市場沖擊，房租、水電、人工成本過高、原材料成本上漲等問題是小微企業(yè)面臨的挑戰(zhàn)，這使得融資難、融資貴的現(xiàn)象始終存在。大語言模型通過深度學(xué)習(xí)，可以搭建出具有針對性的智能風(fēng)控模型，識別出大量維度的風(fēng)險指標(biāo)數(shù)據(jù)并識別出具體風(fēng)險，緩解普惠群體的融資缺口。同時金融機構(gòu)可以將大語言模型與人工智能技術(shù)應(yīng)用到貸款客戶的財務(wù)系統(tǒng)中，設(shè)置特定的程序?qū)崿F(xiàn)自動化報賬與審計，一方面可以幫助企業(yè)減少人工參與，降低人工成本與人工差錯率，提高財務(wù)系統(tǒng)數(shù)據(jù)的準(zhǔn)確性與合規(guī)性，另一方面，金融機構(gòu)也可以及時了解和掌握企業(yè)的財務(wù)狀況，降低風(fēng)險，對于信用水平較高的群體，還可以提高其信用額度。在供應(yīng)鏈金融中，大語言模型可以應(yīng)用在生產(chǎn)、銷售、發(fā)貨、訂單、付款、退貨、退款等各個環(huán)節(jié)，且無需手工記錄，結(jié)合區(qū)塊鏈技術(shù)不可篡改的特點，供應(yīng)鏈系統(tǒng)內(nèi)的數(shù)據(jù)可以自動記錄，從而針對特定的供應(yīng)鏈定制融資方案，并準(zhǔn)確識別出貿(mào)易欺詐等風(fēng)險。

（三）擴大服務(wù)邊界

大語言模型能夠幫助金融機構(gòu)擴大金融服務(wù)邊界，下沉金融服務(wù)。在智能語音方面，金融機構(gòu)借助大語言模型應(yīng)用可以大幅降低提供定制化金融服務(wù)的成本。大語言模型的聊天機器人功能較傳統(tǒng)的智能語音更加精確，客戶體驗更佳。聊天機器人能夠及時回答客戶的問題，包括其他國家語言的問題，并能根據(jù)用戶畫像提供自動化服務(wù)。即使在營業(yè)網(wǎng)點較少的廣大鄉(xiāng)鎮(zhèn)地區(qū)，大語言模型也能幫助金融機構(gòu)通過線上渠道提供豐富、簡單、易上手的金融服務(wù)，打通金融服務(wù)的“最后一公里”。

（四）提供個性化服務(wù)

在定制化服務(wù)方面，大語言模型可為金融機構(gòu)提供機器人顧問，比如根據(jù)普惠群體的消費行為，向客戶推薦最適合其需求的金融產(chǎn)品、金融咨詢等服務(wù)。機器人顧問不僅降低了金融機構(gòu)為普惠群體服務(wù)的成本，還能根據(jù)收集到的相關(guān)數(shù)據(jù)，為金融機構(gòu)自動化相關(guān)流程，對普惠群體各特定對象進行分類，提供相應(yīng)的服務(wù)。區(qū)別于聊天機器人，機器人顧問的專業(yè)化非常高，一般用于金融機構(gòu)的自動化金融顧問與投資平臺，可根據(jù)對普惠群體的數(shù)據(jù)分析，為其自動提供相匹配的金融服務(wù)，并不斷優(yōu)化建議。

（五）強化安全保護

金融消費者遭受信息泄露、騷擾、欺詐等現(xiàn)象屢見不鮮，金融消費者權(quán)益保護問題日益受到關(guān)注。大語言模型與人工智能技術(shù)能夠有效發(fā)現(xiàn)和識別欺詐行為，通過大數(shù)據(jù)分析挖掘，大語言模型能夠在各種交易往來中識別出潛在的欺詐行為，并且通過人工智能技術(shù)及時向金融消費者進行預(yù)警。比如在各類轉(zhuǎn)賬中，針對大額的轉(zhuǎn)賬行為，一旦發(fā)現(xiàn)問題可及時凍結(jié)資金，電商中的刷單、惡意評論等行為也能夠被及時識別。在信息泄露方面，大語言模型的數(shù)據(jù)加密與訪問控制等級更高，身份驗證更加科學(xué)有效，個人信息一旦泄露會自動進行預(yù)警。大語言模型的深度學(xué)習(xí)功能，能夠幫助金融消費者在金融交易中面臨潛在的不公平問題時，通過對合同的智能化分析，識別出其與法律法規(guī)的沖突點，以及各種潛在事件可能產(chǎn)生的后果，幫助金融消費者提前了解風(fēng)險。大語言模型還能夠幫助金融消費者快速準(zhǔn)確地維權(quán)，借助自動化與智能化方式，快速識別出問題的關(guān)鍵，并提出各種維權(quán)的意見和建議，避免金融消費者盲目維權(quán)。

四、大語言模型應(yīng)用與發(fā)展的相關(guān)建議

基于大語言模型的應(yīng)用前景，在實際應(yīng)用中，既要發(fā)揮出大語言模型在金融行業(yè)的積極作用，也要有針對性地做好風(fēng)險防范。

（一）加強大語言模型應(yīng)用環(huán)境建設(shè)

金融機構(gòu)應(yīng)用大語言模型需要一定的基礎(chǔ)支撐，首先需要進一步加強金融機構(gòu)技術(shù)基礎(chǔ)設(shè)施建設(shè)，加大基礎(chǔ)設(shè)施投入力度，特別是在廣大鄉(xiāng)村地區(qū)建立金融便民服務(wù)網(wǎng)點，提升數(shù)據(jù)基礎(chǔ)設(shè)施的覆蓋范圍，便于金融機構(gòu)收集普惠群體數(shù)據(jù)信息。不斷完善云平臺、數(shù)據(jù)采集、模型訓(xùn)練等基礎(chǔ)設(shè)施，夯實大語言模型的應(yīng)用基礎(chǔ)。其次，營造公平競爭的環(huán)境，大語言模型需要依賴大量的數(shù)據(jù)，而這些數(shù)據(jù)可以同時被多家機構(gòu)獲取，因此可以建立數(shù)據(jù)共享平臺，避免形成“贏家通吃”的局面。此外，技術(shù)應(yīng)具備一定的開放性，借鑒開源模型與商業(yè)模型的經(jīng)驗教訓(xùn)，完善大語言模型的服務(wù)能力，尤其是提高技術(shù)的兼容性，形成大語言模型的評估方法，使模型更具科學(xué)性。最后，提高模型預(yù)測的準(zhǔn)確性，金融機構(gòu)要結(jié)合已有數(shù)據(jù)，提高大語言模型的準(zhǔn)確性，比如在預(yù)訓(xùn)練基礎(chǔ)模型上，可以結(jié)合自身高質(zhì)量的金融數(shù)據(jù)進行多次訓(xùn)練和結(jié)果比對，提高可信度。

（二）降低大語言模型輸出結(jié)果偏見

如果底層數(shù)據(jù)存在問題或偏見，模型輸出結(jié)果的準(zhǔn)確性也值得關(guān)注。為了解決潛在的偏見和不公平問題，金融機構(gòu)需要對大語言模型進行反復(fù)的輸出和定期訓(xùn)練。因此，金融機構(gòu)在應(yīng)用大語言模型時首先要認(rèn)真篩選訓(xùn)練數(shù)據(jù)，保證數(shù)據(jù)豐富多樣且兼具平衡，盡可能從普惠群體直接獲取數(shù)據(jù)。其次，金融機構(gòu)要定期對模型輸出結(jié)果的公平性進行評估，糾正偏見與不公平的現(xiàn)象。最后，大語言模型雖然會進行預(yù)訓(xùn)練，但是輸出的結(jié)果并不能保證完全準(zhǔn)確，金融機構(gòu)要強化對數(shù)據(jù)驗證、篩選、檢測等，提高系統(tǒng)安全等級，防止惡意攻擊，持續(xù)強化訓(xùn)練數(shù)據(jù)的多樣性與代表性，對模型的運行進行精細化調(diào)整，確保大語言模型的可解釋性和用戶對模型結(jié)果的準(zhǔn)確理解。

（三）強化大語言模型應(yīng)用合規(guī)管理

大語言模型應(yīng)用過程中的合規(guī)性問題值得金融機構(gòu)關(guān)注，目前國內(nèi)缺乏完整的針對大語言模型的監(jiān)管體系，而是零散分布于各個法律法規(guī)中，大語言模型設(shè)計的合規(guī)要素主要包括平臺運營合規(guī)、內(nèi)容合規(guī)、平臺管理合規(guī)、網(wǎng)絡(luò)安全與數(shù)據(jù)合規(guī)、算法技術(shù)合規(guī)、國際聯(lián)網(wǎng)合規(guī)等內(nèi)容（見圖1），金融機構(gòu)在使用大語言模型時一方面要始終與監(jiān)管部門保持良好的溝通，嚴(yán)格遵守法律法規(guī)相關(guān)規(guī)定，保證大語言模型的透明度與可追溯性。另一方面，大語言模型主要基于數(shù)據(jù)進行預(yù)訓(xùn)練，但是這些數(shù)據(jù)中，很多都包括用戶的財務(wù)、個人隱私等，金融機構(gòu)要合法合規(guī)地使用用戶的數(shù)據(jù)，不能濫用數(shù)據(jù)。此外，金融機構(gòu)還要不斷加強用戶管理，提高用戶對大語言模型的接受度。

（四）重視大語言模型應(yīng)用數(shù)據(jù)安全

數(shù)據(jù)是大語言模型應(yīng)用的基礎(chǔ)，其輸出結(jié)果依賴數(shù)據(jù)的豐富度與質(zhì)量，如果在源頭輸入的數(shù)據(jù)有誤，就會直接影響大語言模型生成的結(jié)果，因此，金融機構(gòu)必須在源頭確保數(shù)據(jù)的真實性與質(zhì)量，及時監(jiān)控結(jié)果并進行糾偏。在使用公共數(shù)據(jù)或其他外部數(shù)據(jù)時，應(yīng)借助數(shù)字技術(shù)對外部數(shù)據(jù)進行預(yù)處理，清除噪聲以及問題數(shù)據(jù)的干擾。同時，由于需要使用大量的數(shù)據(jù)，金融機構(gòu)必須對普惠群體數(shù)據(jù)的安全性進行嚴(yán)格保護，提高數(shù)據(jù)訪問等級，不斷強化數(shù)據(jù)加密、數(shù)據(jù)調(diào)取權(quán)限管理等，避免發(fā)生數(shù)據(jù)泄露事件，充分保護好普惠群體數(shù)據(jù)。

（五）加強大語言模型人才隊伍建設(shè)

技術(shù)的變革改變著各行各業(yè)，同時對人才的需求也越來越多。大語言模型的發(fā)展需要多學(xué)科領(lǐng)域的人才，因此金融機構(gòu)首先應(yīng)該重視人才隊伍的建設(shè)，通過與高校合作，增設(shè)符合市場需求的專業(yè)課程，引導(dǎo)高校學(xué)生積極參與大語言模型的研究，并在金融機構(gòu)進行實踐。其次，加強對大語言模型人才的培養(yǎng)力度，設(shè)立研究院，以項目研究的形式培養(yǎng)專業(yè)人才，也可以輸送到專業(yè)機構(gòu)培訓(xùn)。最后，加強人才招引，積極吸引國內(nèi)外優(yōu)秀人才的加盟，最終通過“內(nèi)引外培”的方式培養(yǎng)出高精尖的復(fù)合型人才。

（六）客觀看待大語言模型決策結(jié)果

大語言模型雖然具備更加智能化的功能，但是在本質(zhì)上仍是一種技術(shù)工具，不能完全代替人工判斷，也不能取代人工決策。金融機構(gòu)在服務(wù)普惠金融時，應(yīng)將大語言模型當(dāng)成一種輔助工具，但是不能完全依賴大語言模型，而應(yīng)結(jié)合專業(yè)人員的專業(yè)水平，共同服務(wù)于普惠金融。同時，還應(yīng)積極解決大語言模型應(yīng)用所面臨的道德、法律等問題，如金融機構(gòu)服務(wù)于普惠金融不單單基于利益需要，也是國家提倡的價值導(dǎo)向以及金融機構(gòu)所應(yīng)承擔(dān)的社會責(zé)任，因此大語言模型的參數(shù)定義不能只關(guān)注利益，還應(yīng)承擔(dān)一定的社會責(zé)任，金融機構(gòu)還應(yīng)確保大語言模型在普惠金融的應(yīng)用符合社會價值觀，符合國家戰(zhàn)略需要。

（七）加強大語言模型資源投入力度

金融機構(gòu)應(yīng)加強對新興技術(shù)發(fā)展趨勢的關(guān)注度，根據(jù)市場情況靈活調(diào)整普惠金融的業(yè)務(wù)模式與策略。大型金融機構(gòu)應(yīng)加強對大語言模型的投入力度，尤其是在研發(fā)方面，加大資金和技術(shù)的投入力度，中小型金融機構(gòu)可與頭部互聯(lián)網(wǎng)科技巨頭合作，不斷提升大語言模型的技術(shù)水平，提高模型的精確性與科學(xué)性，確保技術(shù)始終處于行業(yè)前列。

五、結(jié)論與建議

金融是國家經(jīng)濟發(fā)展重要的核心競爭力，建設(shè)金融強國能夠極大提高我國的經(jīng)濟實力和國際競爭力，提升我國在世界經(jīng)濟格局中的地位。普惠金融作為金融的重要組成部分，由于其發(fā)展關(guān)系到民生，因此一直備受關(guān)注。相較于傳統(tǒng)金融，普惠金融的服務(wù)對象更廣泛，但當(dāng)前傳統(tǒng)金融機構(gòu)對普惠群體的金融支持度還不夠。數(shù)字技術(shù)的發(fā)展推動了普惠金融的發(fā)展，但在應(yīng)用過程中仍存在不足，大語言模型作為一種新的數(shù)字技術(shù)，基于大量的參數(shù)進行預(yù)訓(xùn)練，能夠理解、分析人類語言，并自動生成語言，在機器翻譯、文本生成、智能語音等多個領(lǐng)域有著廣泛的應(yīng)用，金融機構(gòu)利用大語言模型能夠顯著降低普惠金融服務(wù)的成本，提高服務(wù)效率，擴大服務(wù)邊界。當(dāng)前提出以下建議，一是金融機構(gòu)應(yīng)針對大語言模型出臺頂層設(shè)計，明晰大語言模型在金融機構(gòu)應(yīng)用的規(guī)劃。二是針對大語言模型的應(yīng)用，建立專業(yè)的團隊，持續(xù)改進模型的算法。三是加強大語言模型與其他數(shù)字技術(shù)的融合，共同推動金融機構(gòu)為普惠群體提供更好的服務(wù)。

參考文獻

[1]陸順.數(shù)字金融與低碳金融：互融燃點、共促體制與共生機制研究[J].大慶師范學(xué)院學(xué)報，2022（01）：37-42.

[2]歐陽文杰，陸岷峰.鄉(xiāng)村振興背景下農(nóng)村金融改革面臨的現(xiàn)實狀況與路徑選擇[J].西南金融，2023（01）：56-70.

[3]陸岷峰.數(shù)字科技賦能實體經(jīng)濟高質(zhì)量發(fā)展：融合優(yōu)勢、運行機理與實踐路徑[J].新疆師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）.2023，44（01）：136-144.

[4]王婷婷.數(shù)字技術(shù)與小微金融：擔(dān)保與風(fēng)險轉(zhuǎn)移模式創(chuàng)新研究——基于數(shù)字技術(shù)在商業(yè)銀行小微金融風(fēng)險管理中的應(yīng)用[J].當(dāng)代經(jīng)濟管理.2021年43卷3期：72-82.

[5]王洪志.商業(yè)銀行公司金融數(shù)字化轉(zhuǎn)型路徑研究[J].天水行政學(xué)院學(xué)報[J].2023，24（05） 83-88.

[6]徐陽洋.“雙碳”目標(biāo)背景下供應(yīng)鏈經(jīng)濟的新特點、新挑戰(zhàn)與新對策[J].新疆社會科學(xué)，2022（01）：43-52.

[7]裴璇，陸岷峰，王穩(wěn)華.共同富裕背景下企業(yè)數(shù)字化轉(zhuǎn)型的勞動收入分配效應(yīng)研究[J].現(xiàn)代財經(jīng). 2023（04）03-22.

[8]趙越.數(shù)據(jù)資產(chǎn)：價值鏈生成與經(jīng)營模式的設(shè)計研究[J].海南金融，2021（09）：24-33.

[9] 楊麗萍，陸岷峰.“雙碳”目標(biāo)下數(shù)字綠色金融發(fā)展模式研究[J].金融與經(jīng)濟2023.（12）：79-87+96.

[10]陸岷峰.商業(yè)銀行數(shù)字化轉(zhuǎn)型風(fēng)險類型、特征及治理體系[J].金融發(fā)展研究2023（10）：63-68.

[11]歐陽文杰.現(xiàn)代金融治理體系視角下的監(jiān)管體制改革研究[J].經(jīng)濟學(xué)家：2023（08）：153-161.

[12]歐陽文杰.產(chǎn)業(yè)金融與實體經(jīng)濟：政策環(huán)境、模式比較與實踐路徑[J].理論月刊.2023（03）56-69.

[13]許默焓，裴璇.共同富裕與城市低收入人群：金融發(fā)展的盲點與著力點——基于 31 個省/自治區(qū)/直轄市城市戶口樣本的實證分析[J].農(nóng)村金融研究.2023（07）：41-51.

[14]陸岷峰.數(shù)字經(jīng)濟時代產(chǎn)業(yè)金融高質(zhì)量發(fā)展路徑研究——兼論數(shù)字產(chǎn)業(yè)金融發(fā)展模式[J].廣西社會科學(xué).2023（01）18-26.

[15]陸岷峰，歐陽文杰.構(gòu)建金融強國：現(xiàn)代化金融生態(tài)系統(tǒng)與產(chǎn)業(yè)融合發(fā)展研究[J].社會科學(xué)輯刊.2024年（總270期）（01）：10-11.

【本文系國家社會科學(xué)基金一般項目“互聯(lián)網(wǎng)金融市場跨界風(fēng)險的協(xié)同監(jiān)管長效機制與政策研究” （批準(zhǔn)號：21BJY022） 的階段性成果?！?/p>

（徐陽洋系南京泛泰數(shù)字科技研究院高級研究員；陸岷峰系南京工業(yè)大學(xué)互聯(lián)網(wǎng)金融創(chuàng)新發(fā)展研究中心主任，南京工業(yè)大學(xué)教授、博士生導(dǎo)師）

Research on the Integration Application Path of Big Language Model and Inclusive Finance under the Background of Financial Power

Xu Yangyang Lu Minfeng

Abstract： In October 2023， the sixth Central Financial Work Conference proposed the concept of financial power for the first time， and inclusive finance， as one of the five major financial institutions， has further improved its status. The high-quality development of inclusive finance directly affects the strategy of financial power， but the current problems such as information asymmetry and high financing costs in the development of inclusive finance also hinder its highquality development. As a new digital technology， big language model can alleviate the difficulties faced by the development of inclusive finance and is an effective tool for digital technology innovation to bring new quality productivity. Therefore， at present， it is necessary to strengthen the construction of big language model application environment， reduce the bias of big language model output results， strengthen the compliance management of big language model application， and pay attention to the data security of big language model application. Strengthen the construction of large language model talent team， objectively view the decision-making results of large language model， and increase the input of large language model resources.

Key words： Financial Power； Large Language Model； Inclusive Finance