张晓燕是清华大学五道口金融学院的副院长，同时也是讲席教授和正高级职称。此外，她还担任中国证监会第十七届发审委的兼职委员。以下是她在出席“新起点·新突破·新格局——2023中国普惠金融国际论坛暨数字经济开放研究平台学术峰会”并发表演讲的部分节选，主要是讲金融行业大语言模型面临诸多挑战。

清华大学教授张晓燕

第一，金融专业领域知识的匮乏性（大语言模型在某个领域语料不足），比如金融GPT，投放什么样的饲料养出什么样的动物，如果饲料不够，模型就理解不了，要经过很长时间的训练，原料够不够，这是一个挑战。

第二，训练成本，训练大语言模型算力需求太贵了，大家之前看动不动就上亿、上万亿，所有的成本都是非常高的，以50B参数量的BloombergGPT为例，训练花费了267万美元，这个费用并不是绝对大多数企业能够承担的，只有头部企业才能买得起。

第三，金融信息的及时性需求（大语言模型的训练语料滞后性问题），大语言模型的训练过程中，由于训练需要花费大量时间，因此训练好的模型有滞后问题。金融领域往往我们会关心当天发生了什么，可以决定明天要干什么，如果它掌握的信息比较滞后的话，对于很多金融决策的判断都会受到影响。

第四，金融政策的精确性要求。比如某家公司的CEO是谁？某家公司的年收入是多少？这些我们往往需要其回答唯一正确的答案，但是由于大语言模型存在幻觉问题，对于这种问题的回答很容易出错。

为了应对以上挑战，目前有了很多新的技术出现，比如说为了解决及时性的问题，就要及时更新数据库，让大语言模型拥有最新的信息，这些技术方面的信息假以时日都能解决。除了技术挑战之外，它更大的挑战是监管规范与合规性的要求。

全球对于AI的态度，不管在中国还是在别的国家，也一直处于一个争论的状态，有没有一个国际准则，大家都是在趟着水走，这些讨论涉及到什么地方？比如说数据安全，用户的隐私保护，比如说它输出的内容审查，模型的有毒性、偏见、公平性、合规性审查等等，这些依然是悬而未决的。