一原创文章第258篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。
周末，说说大模型。
前几天，我的热情很大一部分在类似kensho的技术上。kensho是金融界的siri，它可以回答“朝鲜试射导弹，美股哪支军工股会上涨”这样的问题。它还可以推导地缘政治，国际油价变化引发的连锁反应等。
我觉得这个特别酷，但自己尝试去做时，发现特别难。
要理解中文，分词这一关基本就过不去。再到后面的词性标注，命名实体识别，三元组抽取，知识图谱等，每一个环节的损失都非常高。
直到大模型横空出世。
端对端的训练，丰富的世界知识，对语义的理解力，可控的文本生成能力。自然而然，垂直领域而言，金融大模型我相信很多人都想到这个机会。
FinGPT，之前他们团队做强化学习。FinRL到后来Fin-Meta，FinNLP，挺有情怀的一个团队。
轻量级适应在金融领域非常有利。FinGPT可以快速微调以与新数据保持一致，而不是随着金融环境的每一次重大变化从头开始重新训练模型，这是一个昂贵而耗时的过程（适应成本大幅下降，估计每次训练不到300美元）。对标BloombergGPT太过昂贵。
允许使用自动数据管理管道进行及时更新（每月或每周更新）。但是，BloombergGPT拥有特权数据访问和API。FinGPT提供了一个更容易获得的替代方案。它优先考虑轻量级适应，利用一些最好的开源LLM的优势，然后将财务数据输入这些LLM并为财务语言建模进行微调。
从数据源，到数据处理，到通过大模型的LLM APIs能力，可训练的模型，还有一部分微调。
第一部分是数据源，在这里，我们从互联网上收集历史和流媒体数据。
第二部分是数据工程，在这里我们会对数据进行清洗，标记化处理和提示工程。
第三部分是大语言模型（LLMs）。在这里，我们可以以不同的方式使用LLMs。我们不仅可以使用收集到的数据来训练我们自己的轻量级微调模型，还可以使用这些数据和训练好的模型或LLM API来支持我们的应用程序。
最后一部分是应用程序部分，我们可以使用数据和LLMs来制作许多有趣的应用程序
关于人生感悟和体验
这些年，一些事。
有一些比较神奇却普遍。一些事情是单向不可逆的，比如一线城市毕业时候的户口，错过就是一生。
我们毕业那会，高新技术企业是很容易获得这个一线城市户口的，当年没概念，也没有长辈和师长告诉过我们。然后，错过，数年后回来，发现，这个城市多数事情与你无关，飞涨的房价与五年社保绑定着。
好多朋友，同事在结婚生子后，在孩子教育上遇到的问题更加突显。孩子进入初中，他们不得不考虑随孩子到某一方的老家去定居，随之要考虑的，还有双方的工作变动以及未来全家的规划与人生安排。
——这些起点，都在于当年那一个不可逆的选择。
当然婚姻是为数不多的，可以“弥补”的机会。很多人没想明白，错过后终将引入太多的麻烦。
还有一些小事，值得注意。很多年轻人离开老家，在一线城市筑梦。如果你“一不小心”在老家办了张手机卡，如果你想注销，可能需要自己亲自跑一趟，如果家在小镇，可以还是去城里才有解决方案。——开号30秒，销号可不轻松。
互联网如此昌明的时代，很多事情已经极尽便利，比如可以跨省办护照，补身份证之类的。但总有一些时代印记的东西，在提醒我们，一些事情要慎重。
“有惊而无险”，却可以让我们实实在在学到东西。
所谓“岁月静好”，最好的状态是“财富自由”。
而且最好不是靠网红、流量走红的自由。
国民老公不必在乎网友的评论，因为人家不靠流量赚钱；网红明星不一样，需要承担很高的道德成本。
那天与朋友聊天，前字节程序员郭宇才是普通人自由的样板。
——通过互联网公司股权、投资而财富自由。
然后做自己喜欢的事情。
联系客服
