BloombergGPT: A Large Language Model for Finance

要約

金融テクノロジーの領域での NLP の使用は、感情分析や固有表現認識から質問応答に至るまで、幅広く複雑です。
大規模言語モデル (LLM) は、さまざまなタスクで効果的であることが示されています。
ただし、金融分野に特化したLLMは文献で報告されていません。
この作業では、幅広い金融データでトレーニングされた 500 億のパラメーター言語モデルである BloombergGPT を紹介します。
ブルームバーグの広範なデータ ソースに基づいて 3,630 億のトークン データセットを構築します。これは、おそらくこれまでで最大のドメイン固有のデータセットであり、汎用データセットからの 3,450 億のトークンで補強されています。
標準の LLM ベンチマーク、オープン金融ベンチマーク、および意図した使用法を最も正確に反映する一連の内部ベンチマークで BloombergGPT を検証します。
私たちの混合データセット トレーニングは、一般的な LLM ベンチマークでのパフォーマンスを犠牲にすることなく、財務タスクで既存のモデルを大幅に上回るモデルにつながります。
さらに、モデリングの選択、トレーニング プロセス、および評価方法についても説明します。
次のステップとして、BloombergGPT のトレーニングでの経験を詳述するトレーニング ログ (クロニクル) をリリースする予定です。

要約(オリジナル)

The use of NLP in the realm of financial technology is broad and complex, with applications ranging from sentiment analysis and named entity recognition to question answering. Large Language Models (LLMs) have been shown to be effective on a variety of tasks; however, no LLM specialized for the financial domain has been reported in literature. In this work, we present BloombergGPT, a 50 billion parameter language model that is trained on a wide range of financial data. We construct a 363 billion token dataset based on Bloomberg’s extensive data sources, perhaps the largest domain-specific dataset yet, augmented with 345 billion tokens from general purpose datasets. We validate BloombergGPT on standard LLM benchmarks, open financial benchmarks, and a suite of internal benchmarks that most accurately reflect our intended usage. Our mixed dataset training leads to a model that outperforms existing models on financial tasks by significant margins without sacrificing performance on general LLM benchmarks. Additionally, we explain our modeling choices, training process, and evaluation methodology. As a next step, we plan to release training logs (Chronicles) detailing our experience in training BloombergGPT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google