Cornucopia-LLaMA-Fin-Chinese

聚宝盆(Cornucopia): 基于中文金融知识的 LLaMA 系微调模型

本项目开源了基于 LLaMA 系基模型经过中文金融知识指令精调/指令微调(Instruct-tuning) 的微调模型。通过中文金融公开问答数据+爬取的金融问答数据构建指令数据集，并在此基础上对 LLaMA 系模型进行了指令微调，提高了 LLaMA 在金融领域的问答效果。

基于已有数据和继续爬取的中文金融数据，将继续利用 GPT3.5/4.0 API 构建高质量的数据集，另在中文知识图谱-金融、CFLEB 金融数据集等数据上进一步扩充高质量指令数据集。

陆续会发布新的中文场景的金融模型（next-pretrain、multi-task SFT、RLHF），欢迎大家届时使用体验，敬请期待。

🔄 新闻

[2023/05/10] 发布了基于 Chinese-LLaMA 和中文金融数据进行指令微调的模型。

[2023/05/07] 发布了基于 Meta-LLaMA 和中文金融数据进行指令微调的模型。

🚀 快速开始

首先安装依赖包，python环境建议3.9+

pip install -r requirements.txt

其次安装 lfs 方便本地下载 LLaMa 大模型

git lfs install

# 下载7B模型到本地
bash ./base_models/load.sh

🤖 模型下载

LoRA 权重可以通过 Huggingface 下载，结构如下：

    Fin-Alpaca-LoRA-7B-Meta/
       - adapter_config.json   # LoRA权重配置文件
       - adapter_model.bin     # LoRA权重文件

LoRA模型下载	分类	重构模型	训练数据	训练序列长度	版本
Fin-Alpaca-LoRA-7B-Meta	中文金融问答微调模型	decapoda-research/llama-7b-hf	12M 指令数据	512	V1.0
Fin-Alpaca-LoRA-7B-Linly	中文金融问答微调模型	Linly-AI/Chinese-LLaMA-7B	14M 指令数据	512	V1.1

推理

目前在./instruction_data/infer.json中提供了一些测试用例，也可替换成其它的数据集但注意格式保持一致

运行infer脚本

# 单模型推理
bash ./scripts/infer.sh

# 多模型对比
bash ./scripts/comparison_test.sh

📊 数据集构建

此前版本采用了公开和爬取的中文金融领域问答数据，涉及到保险、理财、股票、基金、贷款、信用卡、社保等。

指令数据示例如下：

问题：办理商业汇票应遵守哪些原则和规定？

回答: 办理商业汇票应遵守下列原则和规定：1.使用商业汇票的单位，必须是在银行开立帐户的法人；2.商业汇票在同城和异地均可使用；3.签发商业汇票必须以合法的商品交易为基础；4.经承兑的商业汇票，可向银行贴现；5.商业汇票一律记名，允许背书转让；6.商业汇票的付款期限由交易双方商定，最长不得超过6个月；7.商业汇票经承兑后，承兑人即付款人负有到期无条件交付票款的责任；8.商业汇票由银行印制和发售。

针对此前数据仍存在不准确和类型单一等不完善的地方；目前我们利用GPT3.5/4.0 接口进一步优化数据、并扩充中文金融知识库，设置多种Prompt形式、multi-task形式拓展丰富指令数据集，实现金融领域多业务场景覆盖。

最新模型情况：（即将发布，敬请期待～）

⚙️ 微调

若想用自己的数据集微调 LLaMA，请按照./instruction_data/fin_data.json的格式构建自己的数据集

运行 finetune 脚本

bash ./scripts/finetune.sh

🏃 训练细节

计算资源需求

目前训练设备为一张A100-SXM-80GB显卡，训练总轮次10轮。batch_size=64的情况下显存占用在40G左右、batch_size=96的情况下显存占用在65G左右。预计3090/4090显卡(24GB显存)以上显卡可以较好支持，根据显存大小来调整batch_size。

实验记录

实验指标记录与超参设置可以参考wandb的链接:

https://api.wandb.ai/links/1812316597/hkyiriw5

📑 模型效果对比

测试输入	原始Llama输出	Cornucopia(Fin-Alpaca-LoRA-7B-Meta)输出	Cornucopia(Fin-Alpaca-LoRA-7B-Linly)输出	文心一言输出	讯飞星火认知输出
老年人理财好还是存定期好？	老年人的理财办法应该适合于自身情况。如果他/她有足够的时间和投资能力，则建议他/她利用现在的时间与投资机会进行理财活动。因为老年人可以获得余额、保险、房地产等多种收入方式，所以他/她可以选择不同类型的理财项目，包括公开市场、非公开市场、基金、信托计划等。当然，老年人也应该注意其实需要的生活财务安全。	若投资者风险承受能力比较高，那么可以选择理财产品进行投资，若投资者风险承受能力比较低，那么可以选择定期存款进行投资。目前理财产品和定期存款都是保本型产品，不会亏损本金，并且收益由投资标的决定，所以理财产品和定期存款相比较更加稳定。需要注意的是理财产品和定期存款没有同样的活期利率，而且理财产品每日计算收益，所以理财产品收益越高，投资者获得收益的概率也越高。9QDII基金是指中国市场上开放式外资基金，这类基金主要投资于：A股、港股、美股、英股、德股、日股、法股、台股、香港股、新加坡股等；QFII基金是指中国交易所开放式外资基金，这类基金主要投资于：A股、港股、美股、英股、德股、日股、法股、台股、香港股、新加坡股等。	对于风险承受能力比较低的老年人来说，选择定期存款比较好，因为其风险性比较低，收益也比较稳定，而对于风险承受能力比较高的老年人来说，选择理财产品比较好，因为其风险性比较大，收益也比较高。需要注意的是目前理财产品不是保本型产品，有亏损本金的可能，并且根据投资标的分为不同的风险等级，若投资者风险承受能力比较低，那么可以选择风险等级R2及以下的理财产品，若投资者风险承受能力比较高，那么可以选择风险等级R3及以上的理财产品。当前理财产品包括：债券型基金、股票型基金、混合型基金、指数基金和联接基金等，投资者可以根据自身实际情况选择合适的产品进行投资。	老年人存定期比较好。老年人没工作收入，资产总额也是在逐渐降低，而且老人容易生病，而医疗费支出较大。如果老年人投资理财产品，伴随着其产品净值的变化，是有可能会出现亏损现象的。而定期存款，其利率一般是固定的，期满返本还息，相对而言，安全系数高，盈利更持久。	作为AI语言模型，我没有个人观点和建议。但是，老年人理财和存定期都有其优缺点。老年人理财的优点是可以更好地规划自己的财务状况，包括退休金、医疗保险、子女教育等方面的支出。此外，老年人可以通过投资股票、基金等金融产品来增加财富。存定期的优点是风险较小，收益相对稳定。老年人可以选择不同期限的定期存款，根据自己的需求和风险承受能力来选择。综合来看，老年人应该根据自己的实际情况和需求来选择适合自己的理财方式。如果老年人有足够的资金和风险承受能力，可以考虑投资股票、基金等金融产品来增加财富。如果老年人更注重稳定性和安全性，可以选择存定期来保障自己的财务状况。
股票和基金能当天随买随卖吗？	Yes, stocks and funds can be bought and sold on the same day.	不能，股票和基金实行T+1交易，交易日当天买入，按照买入当天收盘时的净值计算，第二个交易日确认份额，份额确认后计算收益，所以在交易日买入就要等到第二个交易日才能获得收益。比如投资者周一买入了某只股票，周二市场上公布的净值为10元，那么投资者可以根据这些数据计算收益：1000×10=10000；10000/10=1000。若投资者持有此股票超过30个工作日，那么可以直接转换成现金，也就是将该股票全部或者部分提前支取。需要注意的是，目前没有任何法律法规限制投资者在交易日买入基金、股票，因此投资者在交易日买入基金、股票都能进行当天开放型交易。同时，投资者在交易日买入股票之后，其股票会自动转换为现金，并且投资者在交易日买入股票之后，其股票会自动转换为涨跌幅限制（20％左右），从而影响投资者的手续费和收益。	不能，股票交易时间：周一至周五上午9:30-11:30，下午13:00-15:00，法定节假日不交易。基金交易时间：周一至周五上午9:30-11:30，下午13:00-15:00，法定节假日不交易。股票实行T+1交易，按照市场实时价格进行成交，遵循价格优先、时间优先的原则，沪深两市股票涨跌幅限制为10%，创业板和科创板股票涨跌幅限制为20%，北交所涨跌幅限制为30%，ST以及*ST涨跌幅限制为5%（创业板和科创板涨跌幅还没有这个限制），港股涨跌幅限制为20%，新三板涨跌幅限制为10%（创业板和科创板涨跌幅还没有这个限制），对于投资者来说，股票交易比较灵活，可以根据自身情况进行交易，并且股票交易手续费比较低，基金交易手续费也比较低，同时股票波动比较大，风险也比较大。	不可以，股票基金实行T+1交易，交易日当天买入（交易时间），按照买入当天收盘时的净值计算，第二个交易日确认份额，份额确认后才能将基金卖出，一般交易日当天买入，第三个交易日才能卖出，第三个交易日随时可以卖出。	股票和基金的交易方式因不同的证券市场而异。在一些证券市场上，股票和基金是可以当天随买随卖的，也就是所谓的“T+0”交易。但是，在另一些证券市场上，股票和基金是不能当天随买随卖的，需要等待一定的交易时间后才能进行买卖。在中国A股市场中，股票和基金是不能当天随买随卖的，需要进行T+1或T+2的交易。这意味着如果您今天买入了一只股票或基金，那么您需要等到明天才能卖出它。 在其他一些国家和地区，股票和基金的交易方式可能会有所不同。因此，如果您想进行股票或基金的投资，建议您了解当地的交易规则和市场情况。

项目参与者

本项目由中科院成都计算机应用研究所 (中科信息)人工智能部Yangmu Yu、Wenhuan Hong完成。

👏 致谢

本项目参考了以下开源项目，在此对相关项目和研究开发人员表示感谢。

• Facebook LLaMA: https://github.com/facebookresearch/llama
• Stanford Alpaca: https://github.com/tatsu-lab/stanford_alpaca
• alpaca-lora by @tloen: https://github.com/tloen/alpaca-lora
• Huatuo-Llama-Med-Chinese: https://github.com/SCIR-HI/Hatuo-Llama-Med-Chinese
• 文心一言 https://yiyan.baidu.com/welcome 本项目的logo由文心一言自动生成
• 讯飞星火认知 https://xinghuo.xfyun.cn/desk

免责声明

本项目相关资源仅供学术研究之用，严禁用于商业用途。使用涉及第三方代码的部分时，请严格遵循相应的开源协议。模型生成的内容受模型计算、随机性和量化精度损失等因素影响，本项目无法对其准确性作出保证。对于模型输出的任何内容，不作为任何投资建议，本项目不承担任何法律责任，亦不对因使用相关资源和输出结果而可能产生的任何损失承担责任。

TODO List

• 支持中文金融领域 multi-task SFT
• 支持量化模型 CUDA 部署
• 强化学习 -> Chat化
• 中文金融领域 next-pretrain
• 支持 13B 模型

📌 Citation

如果你使用了本项目的数据或者代码，请声明引用

@misc{Cornucopia-LLaMA-Fin-Chinese,
  title={Cornucopia-LLaMA-Fin-Chinese},
  author={YangMu Yu},
  year={2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/jerry1993-tech/Cornucopia-LLaMA-Fin-Chinese}},
}

⛽️ 如何贡献

如果您想参与本项目，提交贡献数据/代码，请参考如何贡献。

☎️ 交流和问题反馈

欢迎点赞🌟、关注、分享，一键三连；如有问题，请在GitHub Issue中提交，或进群进一步探讨：

Cornucopia-LLaMA-Fin-Chinese 快速上手指南

Cornucopia（聚宝盆）是基于 LLaMA 系列基座模型，利用中文金融领域指令数据微调而成的开源模型。本项目旨在提升大模型在保险、理财、股票、基金等金融场景下的问答能力。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux / Windows / macOS
• Python 版本：3.9 及以上
• 硬件建议：
  • 推理：建议显存 16GB 以上（如 RTX 3090/4090）。
  • 微调：建议单卡 A100 (80GB) 或同等算力；若使用消费级显卡，需根据显存大小调整 batch_size。
• 前置依赖：
  • 已安装 git 和 git-lfs（用于下载大模型文件）。

2. 安装步骤

2.1 克隆项目与安装依赖

# 克隆仓库
git clone https://github.com/jerry1993-tech/Cornucopia-LLaMA-Fin-Chinese.git
cd Cornucopia-LLaMA-Fin-Chinese

# 安装 Python 依赖包
pip install -r requirements.txt

2.2 配置 Git LFS 并下载基座模型

为了顺利下载较大的模型文件，必须先初始化 Git LFS：

# 初始化 git lfs
git lfs install

# 执行脚本下载 7B 基座模型到本地 (自动处理 Meta 或 Linly 版本)
bash ./base_models/load.sh

2.3 获取微调权重 (LoRA)

本项目提供两种 LoRA 权重，请根据需求从 Hugging Face 下载对应文件夹至项目目录：

模型名称	基座模型	特点	下载地址
Fin-Alpaca-LoRA-7B-Meta	decapoda-research/llama-7b-hf	基于原生 LLaMA，V1.0 版本	Hugging Face
Fin-Alpaca-LoRA-7B-Linly	Linly-AI/Chinese-LLaMA-7B	基于中文增强版，V1.1 版本	Hugging Face

下载后的目录结构应如下所示：

Fin-Alpaca-LoRA-7B-Meta/
   ├── adapter_config.json
   └── adapter_model.bin

提示：国内用户若访问 Hugging Face 困难，可使用镜像站（如 hf-mirror.com）或手动下载后放入对应目录。

3. 基本使用

3.1 快速推理

项目已内置测试数据集 ./instruction_data/infer.json，您可以直接运行脚本进行单模型推理测试。

# 运行单模型推理脚本
bash ./scripts/infer.sh

若需对比不同模型（如原始 LLaMA 与微调后模型）的效果，可运行：

# 运行多模型对比脚本
bash ./scripts/comparison_test.sh

3.2 自定义数据推理

如需使用自己的数据进行测试，请参照 ./instruction_data/infer.json 的格式准备 JSON 文件，并在运行脚本前替换相应路径或修改脚本配置。

数据格式示例：

[
  {
    "instruction": "办理商业汇票应遵守哪些原则和规定？",
    "input": "",
    "output": "办理商业汇票应遵守下列原则和规定：1.使用商业汇票的单位..."
  }
]

3.3 开始微调 (可选)

如果您希望使用自己的金融数据集对模型进行进一步微调，请按以下步骤操作：

1. 按照 ./instruction_data/fin_data.json 的格式构建训练数据集。
2. 运行微调脚本：

bash ./scripts/finetune.sh

注意：微调过程显存占用较高，请根据您的显卡显存大小在脚本中调整 batch_size 参数。