上回分享了一些通用大模型的使用感受，今天咱们就来聊聊垂直领域大模型，照旧附上论文资料，同学们自取哈！
其实照目前的趋势来看，垂直领域大模型的未来发展是要比通用大模型好的，一是通用大模型有GPT4这座难以跨越的大山，二是自研通用大模型的成本实在太高，一般公司承受不来。所以，各类厂商们自然就会选择参与垂直领域大模型的角逐。
目前卷出来的垂直领域大模型已经有很多了，我今天就来和大家分享几个比较出名的，感兴趣的同学也可以自己上手一试。
1.BloombergGPT 金融大模型
原始论文：BloombergGPT: A Large Language Model for Finance
链接：https://arxiv.org/abs/2303.17564
BloombergGPT是由彭博社开发的拥有500亿参数的语言模型。依托彭博社的大量金融数据源，BloombergGPT构建了一个3630亿个标签的数据集，支持金融行业内的各类任务。
作为首个金融垂直领域大模型，BloombergGPT同样基于transformer架构，采用译码器的技术。实验可得，BloombergGPT在执行金融任务方面的表现超过了现有的通用 LLM模型。
2.FinBERT金融大模型
原始论文：FinBERT: A Large Language Model for Extracting Information from Financial Text*
链接：https://onlinelibrary.wiley.com/doi/pdfdirect/10.1111/1911-3846.12832
FinBERT同样是适用于金融领域的大型语言模型，采用了两大类预训练任务：字词级别的预训练和任务级别的预训练。具体来说，FinBERT有以下内容：
-
FinBERT-Pretrained：针对大规模金融文本的预训练 FinBERT 模型。
-
FinBERT-Sentiment：用于情感分类任务。
-
FinBERT-ESG：用于 ESG 分类任务。
-
FinBERT-FLS：用于前瞻性陈述（FLS）分类任务。
实验表明FinBERT在识别与环境、社会和治理问题相关的讨论方面优于其他模型。
3.LaWGPT 中文法律知识模型
项目地址：https://github.com/pengxiao-song/LaWGPT/
LaWGPT 目前也是比较热门的垂直领域大模型之一了，它是一系列基于中文法律知识的开源大语言模型。
该系列模型在通用中文基座模型（如 Chinese-LLaMA、ChatGLM 等）的基础上扩充法律领域专有词表、大规模中文法律语料预训练，增强了大模型在法律领域的基础语义理解能力。在此基础上，构造法律领域对话问答数据集、中国司法考试数据集进行指令精调，提升了模型对法律内容的理解和执行能力。
放两张官方图感受一下：
4.BenTsao 中文医学模型
项目地址：https://github.com/SCIR-HI/Huatuo-Llama-Med-Chinese
原名华佗（HuaTuo），是一个基于中文医学知识的LLaMA-7B微调模型，通过医学知识图谱和GPT3.5 API构建了中文医学指令数据集，在此基础上对LLaMA进行指令微调。
目前这个模型只开放针对"肝癌"单个疾病训练的模型参数，开发团队表示后期会针对“肝胆胰”相关16种疾病训练模型。
5.MathGPT 数学大模型
MathGPT是学而思自研，以数学领域的解题和讲题算法为核心的数学大模型，目前官方表示今年内将推出基于该自研大模型的产品级应用，可以等待一波。
另外还有DoctorGLM、ChatMed、Cornucopia等等医疗、金融、教育等领域的大模型，就不一一说说了，大家有觉得不错的可以在评论区分享！
关注下方《学姐带你玩AI》🚀🚀🚀
回复“大模型”获取必读论文+代码合集
码字不易，欢迎大家点赞评论收藏！
