在中国人民大学金融学院新发布的评估体系FLAME评估中，该模型名列榜首。具体来说，FLAME由两个方向的评估基准组成：一是FLAME-Cer主要面向模型专业金融能力评估，涵盖CPA、CFA、FRM等14类权威金融资格认证；其次，FLAME-Sce聚焦模型的场景应用能力包括10个一级核心金融业务场景、21个二级细分金融业务场景、近百个三级金融应用任务。
在FLAME-Cer评测中，银行、保险、基金、证券等多个资质认证领域准确率超过95%，整体准确率达93.62%，大幅领先于GPT-4o和-70B-Chat，并超过GPT -4o 近20%。 GPT-4o被公认为金融领域最全面的通用模型之一，而-70B-Chat是国内第一个开源的中文金融模型。
在FLAME-Sce评测中，一级核心金融业务场景整体可用率达到84.15%，其中金融数据计算、金融知识理论等场景可用率超过90%。在实际应用场景中的表现还是非常不错的。
此外，为了提升模型的专业能力又不失通用能力，模型还打造了一套全链路领域增强解决方案，涵盖高质量数据集构建、模型预训练、微调、强化学习等从模型开发到场景应用的全过程，实现了模型特殊能力和通用能力的同步提升，提高了模型在多个场景下的可用性。 （文猛）
海量信息、精准解读，尽在新浪财经APP
