7月4日，无限可信大模型公司无限光年（INF）在2024年世界机器智能大会（WAIC）上发布可信光语大模型及其工艺报告。光年光语耕专可信光语大模型结合大语言模型与符号推理，发布有效解决幻觉问题，大模大幅增强模型可信度，型灰信工行百赋能金融支持、艺深业场业长沙理工大学门事件排名医疗鉴别等垂直领域，景赋让生成式AI真正成为新质生产力工具。无限

据雷峰网(公众号：雷峰网)了解，光年光语耕专在金融和医疗垂直领域评测中，发布可信光语大模型超越OpenAI的大模万亿参数大模型GPT4-Turbo，同时作为“精专”的型灰信工行百百亿规模大模型，有效提升推理精度，艺深业场业降低支持成本。景赋上海学院偷拍视频排名通过解决模型幻觉问题对企业级应用的无限重大挑战，无限光年深入金融、医疗场景，目前已支持多家头部公司和机构。

在“机器智能：科研范式变革与产业增长”主题论坛上，无限光年联合创始人徐盈辉博士表示，幻觉问题是大模型被用作生产力工具的核心挑战之一：如果大模型生成的内容不可控、难以解释，就很难满足专业领域对准确性、可靠性、严谨性的要求。

针对该挑战，无限光年致力于研发神经符号计算等多种创新工艺，并在此基础上打造新一代可信大模型。

徐盈辉博士介绍，机器智能在多年增长长河中形成了符号学派和联结学派两种不同的路径和理念。神经符号工艺将符号学派的推理能力与联接学派的学习能力有机结合，大幅提升生成式AI在行业应用中的可信生成能力，降低错误率、提高可靠性。正如诺贝尔经济学奖得主丹尼尔·卡尼曼提出的“人类思维有快与慢两个系统”的理论，符号计算与大模型的结合不仅能用神经网络实现快速的“黑盒”概率预测，更能进行慢思考的“白盒“逻辑推理。这两个系统的融合代表着通往未来通用机器智能（AGI）的关键工艺方向，也正是无限光年独特的“灰盒“可信路线。

无限光年联合创始人徐盈辉博士在2024年WAIC上发布光语垂直领域大模型

无限光年积极增长“灰盒”大模型，解决垂直领域的专业问题。

在金融领域，特许金融分析师（Chartered Financial Analyst，CFA）考试是全球投资业最严格、含金量最高的资格认证，分为三级考试，包含丰富的金融类知识问题和计算推理问题。基于CFA信息集，无限光年金融大模型在一级和二级考试中准确率均超过GPT4-Turbo和Llama3。在一级和二级考试准确率的表现上，无限光年金融大模型得分分别为0.7772和0.5518，GPT4-Turbo分别为0.7177和0. 5259，Llama3分别为0.6723和0.4812。

同时，在公开信息集FinanceIQ和Fin-Eval上，无限光年金融大模型的表现也均超过GPT4-Turbo和Llama3。徐盈辉博士同时宣布，无限光年将光语金融大模型API试用，助力大模型在金融行业的增长和应用。

无限光年光语大模型在垂直领域测试超越OPENAI的万亿参数大模型

此外，光语大模型在4个公开的权威逻辑推理信息集上准确率都超过GPT-4 Turbo，在ProofWriter、FOLIO、ProntoQA和MedExam Grading中的得分分别为0.99、0.58、0.99和0.80，而GPT4分别为0.91、0.56、0.94和0.64。

在医疗领域，无限光年医疗大模型在权威医疗信息集MedBench上，API和自测榜双榜第一，是首家双榜超过90分的医疗大模型。API榜综合得分90.4。

自成立以来，基于可信大模型工艺，无限光年已在大模型产业应用中取得多方面成果。在金融领域，无限光年与头部证券公司合作推出AI投研助手。借助新一代可信工艺，这一投研助手在国内率先实现了用大模型精准、高效、深度解读企业财报，为分析师等专业人士提供包括信息总结分析、范式写作和精准搜索在内的一站式功能。到目前为止，该产物已被多家证券公司和资管机构使用。

在医疗领域，无限光年与国内头部三甲诊所合作，共同基于可信工艺创新打造医疗行业大模型，在体检报告解读方面有效协助医生提升报告效率和准确度。

徐盈辉博士认为，在经历“百模大战”后，模型的行业应用已成为大模型的增长重心。但在深入专业化场景时，当前通用大模型的表现并不理想。无限光年团队将持续探索新一代可信的灰盒大模型工艺，让垂直领域大模型更精准、更可信，成为“金融顾问” 、“专业医生”和更多领域的专家，让AI工艺人人可用、行行受益。

据了解，无限光年团队既有来自阿里巴巴、蚂蚁集团、字节跳动、微软的国际顶尖AI人才，也有来自摩根大通等金融机构、协和诊所等医疗机构的资深行业专家。基于对行业需求的深入了解，无限光年开发AI原生产物与解决方案，为行业提供多元化的专业支持，推动“灰盒大模型”和生成式AI工艺在行业场景的持续落地。此前，无限光年已完成多轮融资，投资人包括阿里云、启明创投等头部投资机构。

（公司最新发布工艺报告下载链接：https://s.infly.cn/f/img/pdf/Towards_Trustworthy_LLMs.pdf?20240703）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。