Fin-R1是什么？

Fin-R1 是一款由上海财经大学统计与数据科学学院张立文教授团队（SUFE-aiFLM-Lab）联合财跃星辰开发的金融领域推理型大语言模型，Fin-R1模型以 Qwen2.5-7B-Instruct 为基座，利用 DeepSeek-R1 框架进行“数据蒸馏”与“双轮质量筛选”，通过高质量思维链数据的监督微调+ 强化学习，有效解决了金融领域中数据碎片化、推理逻辑不可控和业务泛化能力不足等问题，为金融行业的智能化转型提供了有力支持。

模型架构

Fin-R1 采用两阶段架构进行训练：

数据生成阶段：通过数据蒸馏和筛选方法，从多个权威数据源构建高质量的金融推理数据集 Fin-R1-Data。

模型训练阶段：基于 Qwen2.5-7B-Instruct 模型，通过监督微调（SFT）和强化学习（RL）进行训练。

Fin-R1数据集特点

规模与质量：Fin-R1-Data 包含约 60,091 条完整的思考链（CoT），涵盖中英文金融垂直领域的多维度专业知识。

模块化设计：数据集分为金融代码、金融专业知识、金融非推理类业务知识和金融推理类业务知识四大模块。

Fin-R1核心特点

专业领域：专注于金融推理，涵盖金融代码、专业知识、业务知识等多个维度。

数据驱动：基于高质量的金融推理数据集 Fin-R1-Data 进行训练，包含约 60,091 条完整的思考链。

训练方式：采用监督微调（SFT）和强化学习（RL）相结合的方式，确保模型在金融推理任务中的准确性和可靠性。

轻量化设计：参数量仅为 7 亿，但性能表现出色。

性能表现

权威评测：在金融领域权威评测中，平均得分 75.2 分，位居第二。

任务表现：在 FinQA 和 ConvFinQA 任务中分别获得 76.0 分和 85.0 分，位居参评模型第一。

泛化能力：在其他金融基准测试中也展现出强大的跨任务泛化能力。

Fin-R1应用

金融代码：用于实现金融模型、算法和分析任务的编程代码。

金融计算：进行定量分析和计算，为金融决策提供依据。

金融安全合规：防范金融犯罪，确保业务操作符合法规要求。

智能风控：利用 AI 和大数据技术识别和管理金融风险。

ESG 分析：评估企业在环境、社会和治理方面的表现。

Fin-R1使用步骤

下载模型：通过 Hugging Face 页面下载模型权重。

启动服务：使用 vllm 工具启动模型服务。

推理运行：通过 OpenAI API 格式调用模型进行推理。

Fin-R1相关链接

模型下载：https://huggingface.co/SUFE-AIFLM-Lab/Fin-R1

论文：https://arxiv.org/pdf/2503.16252