都大学了，小学系统才来？ 第398节

　　但效果不太理想。

　　钱鹏程是公司的量化研究员。

　　三十出头。

　　头发已经有些稀疏了。

　　996的作息。

　　高压的工作。

　　头发掉得比代码跑得还快。

　　他的日常工作就是分析市场数据、撰写研究报告、设计交易策略。

　　这些工作需要处理大量的信息。

　　从宏观经济数据到上市公司财报。

　　从行业新闻到政策解读。

　　从K线走势到资金流向。

　　信息量大得惊人。

　　传统的做法是靠人工一点一点地看、一点一点地分析。

　　效率低下。

　　还容易遗漏。

　　一个不小心就可能错过重要信息。

　　然后亏钱。

　　亏很多钱。

　　所以公司很早就开始尝试用大模型来辅助工作。

　　让AI先对海量信息进行初步筛选和摘要。

　　然后人工再进行深度分析。

　　理论上，这样可以大幅提高效率。

　　但实际操作中问题很多。

　　“又是这种质量......“

　　钱鹏程叹了口气。

　　他现在用的是DS V3.2的模型。

　　在国产大模型里已经算不错的了。

　　但在金融领域的专业性上。

　　还是差了点意思。

　　尤其是对于一些复杂的金融概念和市场逻辑。

　　模型经常会出现理解偏差。

　　生成的内容乍一看还行。

　　但仔细推敲就会发现很多问题。

　　比如在具体计算时把“资产减值“和“资产折旧“搞混。

　　比如搞不清楚“营收增长“和“利润增长“的区别。

　　比如对宏观政策的影响判断得稀里糊涂。

　　在金融领域。

　　任何一个错误可能导致巨额损失。

　　所以钱鹏程每次用完模型生成的内容。

　　还要花大量时间去核查和修正。

　　效率提升有限。

　　还不如自己写呢。

　　“鹏程。“

　　旁边的王芷晴凑了过来。

　　她是公司的数据科学家。

　　负责公司内部AI工具的开发和维护。

　　二十七八岁。

　　干练的短发。

　　戴着一副无框眼镜。

　　看起来很精明能干。

　　“你在看研报？“

　　“嗯。“

　　钱鹏程点了点头：

　　“用模型跑的。“

　　“质量不太行。“

　　他指着屏幕上的某一段：

　　“你看这里。“

　　“模型把'经营性现金流'和'投资性现金流'搞混了。“

　　“这种低级错误......“

　　他无奈地摇了摇头：

　　“要是让客户看到，公司脸都丢尽了。“

　　王芷晴看了一眼屏幕。

　　点了点头。

　　“确实。“

　　她说：

　　“这种专业性强的任务，目前的模型都不太擅长。“

　　“金融领域的专业术语太多了。“

　　“模型的训练数据里可能覆盖不够。“

　　“不过......“

　　她的语气变得有些神秘：

　　“我刚才收到了一个通知。“

　　钱鹏程抬起头。

　　“什么通知？“

　　王芷晴拿出手机。

　　给他看了一眼。

　　“超算中心那边推了一个新模型。“

　　“叫YH-30B。“

　　“据说效果很好。“

　　“让我们试用一下。“

　　钱鹏程愣了一下。

　　“YH-30B？“

　　“没听说过啊。“

　　他对大模型市场还是比较了解的。

　　ALBB的Qwen。

　　白渡的文心。

　　深度求索的DS。

　　智谱的GLM。

　　这些都是业内耳熟能详的名字。

　　但YH-30B？

　　闻所未闻。

　　“我也没听说过。“

　　王芷晴说：

　　“但既然是超算中心推的，应该不会太差。“

　　“要不......咱们试试？“

　　钱鹏程想了想。

　　“行吧。“

　　反正现在用的模型效果也不咋地。

　　换一个试试也无妨。

　　万一呢？