精益地打造金融专家智能体

研报总结

1. 主要内容概述

北京文因互联科技专注于打造金融专家智能体，强调知识工程的重要性，并提出“重”白和“轻”白的知识项目。公司回顾了Halo项目的历史，强调了知识获取和自动推理中的挑战。

2. 关键数据

• Halo项目：长期目标是开发一个可以解决复杂的科学问题或日常问题的推理系统，应用于教育领域。
• 知识项目：
  • Memory Connected+ benefitcost：成本为800元。
  • Memory Connected+ benefitIdeaLearnBuildMVPDataCodeMeasurecost：成本为900元。
• 成本：每个做课本形式化的“专家”要训练20小时；做考题形式化的训练4小时。
• 正确率：2002年Halo Pilot系统，能达到30%-50%正确率。
• 成本问题：一本教科书至少200页，需要10万美元以上才能形式化，需要一个专家一整年的时间。
• 数据规模：沃森系统有2亿页数据，AURA系统需要1000亿美元的成本。

3. 工程与成本

• 工程：强调软件工程的成熟度，指出知识工程和软件工程的发展历程。
• 成本：强调平衡成本和精度的重要性，提出“小数据”方法在中小型问题中的关键作用。

4. 提示工程

• 定义：提示工程是一种更广泛的概念，涉及设计和优化提示的输出，以获得期望的模型行为和输出。
• 优化流程：包括RAG（检索增强生成）、微调、上下文优化等。
• 迭代开发：通过错误分析、实验结果、优化实施等步骤不断改进提示词。

5. 未来展望

• 新范式：基于大模型的新范式，无代码、无标注，具有高泛化能力。
• 应用落地：强调从朴素的运维、数据库、数据清洗做起，逐步演化。
• 提示工程实验室：提供金融领域的大模型提示词编写、管理、发布工具，特别定制了S2PI提示词框架。

总结

北京文因互联科技致力于通过知识工程和大模型推动软件开发及人工智能应用的发展，强调成本控制和工程实践的重要性。公司通过回顾Halo项目的历史，展示了知识获取和自动推理中的挑战，并提出了基于大模型的新范式和提示工程方法，以应对复杂的数据和应用场景。