人工智能技术正以一个前所未有的速度渗入各行各业，推动一场一场新的科技革命。经过近几年AI技术的不断发展，强大算力和先进的大语言模型为AI提供了合适的应用平台。大语言模型是自然语言处理的高阶阶段，让机器能够听懂人的命令、像人一样思考、像人一样工作，同时这项技术也催生了金融行业对大语言模型应用的需求。在智能客服领域，大语言模型可以更好地理解客户的问题和需求，从而更准确地回答客户的问题；可以处理多种自然语言任务，如文本分类、问答、对话等，使得银行的智能客服更加智能化，能够更好地为客户提供服务；可以快速地处理大量的语料数据，并且可以模拟真实场景下的对话，这有助于提高银行客服人员的工作效率，减少人力成本；可以更好地理解客户的需求和问题，并且可以提供更加个性化和定制化的服务，增强客户体验，提高客户满意度。大语言模型虽好，但是围绕着的数据处理、模型训练及优化等工作，也给金融企业带来了巨大挑战。在此背景下，本场线上同业活动以《银行业如何训练大语言模型优化智能客服等AI应用？》为主题，旨在讨论企业如何进行大语言模型训练及优化。会议上核心探讨的问题有：

1、 数据收集和预处理，如何高效地收集大量的文本数据并对其进行预处理。

2、 模型选择和调整，如何选择适合的模型算法和调整模型参数。

3、 训练时间和计算资源，大语言模型的训练如何匹配时间和计算资源。

4、 隐私和安全问题，训练大语言模型如何保护用户的隐私和安全。

支持企业：

点击进入英伟达云社区

邓俊峰  某银行  总行研发中心AI架构师

某股份制银行拥有10多年金融行业算法研究及应用经验，熟悉大数据、人工智能领域技术及其应用场景，在金融AI领域发表多篇发明专利。紧密跟踪大模型技术，拥有大模型微调训练经验，曾在天池竞赛、kaggle竞赛等比赛中获得奖项。

李强  某国有银行总行信息科技部  资深技术专家

目前就职于某国有银行总行信息科技部，先后参与智能网点、金融科技创新平台、数字人民币、人工智能平台、金融大语言模型等项目建设，多次获得国家级、总行级荣誉表彰，对大型商业银行科技治理和科技创新有较深的研究和积累。

王闪闪  NVIDIA   解决方案架构师

毕业于比利时鲁汶天主教大学，拥有统计学硕士，计量经济学与金融数学硕士双硕士学位。曾在欧洲银行实习，研究方向有风险量化模型，时间序列模型，以及GPU编程。