阿里云通义点金发布DianJin-R1金融领域推理大模型，32B模型荣膺榜首

本文由阿里云通义点金团队和苏州大学联合完成。

近日，阿里云通义点金团队与苏州大学携手合作，在金融大语言模型领域推出了突破性的创新成果：DianJin-R1。

这款推理增强型金融大模型，融合了先进的技术和全面的数据支持，专为金融任务而设计。

• 论文地址：https://arxiv.org/abs/2504.15716

• GitHub：https://github.com/aliyun/qwen-dianjin

• Hugging Face：https://huggingface.co/DianJin

• ModelScope：https://modelscope.cn/organization/tongyi_dianjin

• 点金官网：https://tongyi.aliyun.com/dianjin

全面开源的 Reasoning 数据集：DianJin-R1 的独特亮点之一是其全面开源的 Reasoning 数据集——DianJin-R1-Data。

该数据集基于通义点金团队去年在 ACL-2024 上发表的 CFLUE Benchmark 上进行的全面升级，

整合了 FinQA 和中国合规检查（CCC）数据集，为金融推理任务提供了强大的基础。目前已经开源，旨在支持和推动金融领域的研究和应用。

全面开源的 Financial Reasoning 模型：DianJin-R1-7B 和 DianJin-R1-32B 模型已向公众全面开放。

这些模型通过监督微调（SFT）和强化学习（RL）两阶段精细优化，在复杂金融任务中表现卓越。

开源的强大模型为行业提供了更广泛的应用可能性，推动了金融 AI 的创新发展。

基于通义点金平台的 Multi-Agent System 数据合成：更值得关注的是，我们通过通义点金平台实现了基于 Multi-Agent System 的数据合成。

通过点金平台，我们构建了数据飞轮和模型优化机制，使得单次调用效果媲美高计算成本的多智能体系统。

这不仅展现了 DianJin-R1 的出色性能，也展示了我们在模型优化和智能系统集成上的创新能力。

DianJin-R1-7B 以其轻量化参数和高效表现，成功媲美行业标杆模型 QwQ，展现出不凡的竞争力。

而 DianJin-R1-32B 更是超越了所有参评模型，包括 DeepSeek-R1，荣膺性能测试的第一名，彰显了我们团队在人工智能和金融科技领域的卓越创新能力。

我们的评测基准不同于传统标准，DianJin-R1 不仅严谨测试了金融领域的三大核心任务，还特别引入了两个通用领域的数据集进行综合评估。

这一全新方法不仅证明了 DianJin-R1 在专业金融领域的显著提升，也展示了其在通用任务中的表现。

DianJin-R1 的发布，不仅推动了金融科技的智能化进程，也进一步巩固了我们在金融大模型领域的领先地位，

让我们期待 DianJin-R1 能在更多领域释放其强劲潜能。

背景

近年来，大型语言模型（LLMs）的进步引发了增强其推理能力的浓厚兴趣。

像 OpenAI o1、DeepSeek R1 和 QwQ 等模型已经显示出，通过显式建模推理过程，可以显著提高在复杂任务上的表现。

尽管取得了这些改进，最近在金融基准上的评估揭示出，由于需要领域特定的知识、精准的数值推理以及严格遵循监管要求，金融领域的推理仍然特别具有挑战性。

有效应对这些挑战需要专门的推理策略，能够处理结构化的金融信息和开放性问题解决。

为此，我们推出了 DianJin-R1，这是一种融合推理增强监督和强化学习来提高金融推理任务表现的 LLM。

DianJin-R1-Data 构建

首先通过三个主要来源构建了高质量的推理数据集 DianJin-R1-Data：CFLUE、FinQA 以及我们的专有合规数据集，用于中国合规检查（CCC）任务。

• CFLUE：包含了 38,638 道来自 15 种金融资格模拟考试的多项选择题，涵盖不同科目和难度。

通过三步过滤流程，我们筛选了高质量问题：首先，移除少于 15 个词的简单题；

其次，剔除能被所有较小语言模型正确回答的题目，以确保需要更深的推理能力；最后，利用 GPT-4o 去除含糊不清的问题，确保每个题目清晰明确。

最终得到的题目集不仅有明确的正确答案，还附有详细解释，有助于评估模型的金融推理能力。

• FinQA：FinQA 是一个开源的英文基准数据集，包含 8,281 个金融问答对，这些问答对需要对财务报告进行数值推理。

在我们的研究中，我们采用了与 CFLUE 数据集相同的长度和难度过滤条件，以确保质量和复杂性。

因此，我们精心整理出了一个高质量的问答对子集，非常适合在英语语境中评估金融推理能力。

• CCC（基于 Multi-Agent System 数据合成）：聚焦于需要多步骤逻辑的复杂合规场景。

为确保推理质量，我们利用通义点金平台 Multi-Agent System 进行了 Reasoning 数据合成，并采用了 GPT-4o 的验证过程，

检查生成的答案、推理步骤和参考解释之间的对齐。这一过程产生了一套可靠的推理增强和非推理样本，支持更稳健的模型训练。

基于 Multi-Agent 系统的数据合成样例

DianJin-R1 两阶段训练

对于监督微调（SFT），我们基于 Qwen2.5-7B-Instruct 和 Qwen2.5-32B-Instruct 训练了 DianJin-R1-7B 和 DianJin-R1-32B，

生成的推理过程和最终答案采用结构化输出格式。

为了进一步提高推理质量，我们应用了群体相对政策优化（GRPO），这是一种强化学习算法，引入了两个奖励信号：

一种格式奖励以鼓励结构化输出，还有一种准确性奖励以促进答案的正确性。这些机制引导模型生成连贯、可验证的推理路径和可靠的答案。

实验结果

我们对 DianJin-R1 模型以及其他通用领域的推理和非推理模型进行了评估，

评估范围包括 CFLUE、FinQA、CCC、MATH-500 和 GPQA-Diamond 等多样化的基准。结果表明，增强推理的模型在金融领域始终优于其对应的非推理模型。

特别是，单独在 CFLUE 上进行训练在所有任务中都取得了显著提升，结合所有数据集进一步增强了性能。

我们的分析还强调了强化学习的益处，尤其当奖励信号与任务领域对齐时。

最后，我们在 CCC 数据集上展示了这一方法的实际应用，采用 LLMs 构建的 Multi-Agent 系统进行基于条件的合规检查。

通过为工作流中的每个决策节点分配专门的代理，该系统有效地整合了中间推理步骤，最终做出合规判断。

结论

综上所述，DianJin-R1 通过结合高质量监督、结构化推理生成和基于奖励的强化学习改进，提供了一种可扩展且有效的策略来增强 LLMs 中的金融推理能力。

文章来自于微信公众号 “机器之心”，作者 ：阿里云通义点金团队和苏州大学