FinGPT
FinGPT v3 系列是在新闻和微博情绪分析数据集上使用 LoRA 方法进行微调的LLM，在大多数金融情绪分析数据集上取得了最佳分数。
FinGPT v3.1 使用 chatglm2-6B 作为基础模型；
FinGPT v3.2 使用 llama2-7b 作为基础模型.
FinGPT V2
用LLaMA和LoRA在美国金融市场训练我们自己的FinGPT
FinGPT V1
用 ChatGLM 和 LoRA 在中国金融市场训练我们自己的 FinGPT
FinGPT 的目标
实时数据管理流水线使 FinGPT 数据民主化
轻量级调整，使 FinGPT 模型对于个人和机构民主化（频繁更新）
支持各类金融应用
FinNLP 为所有对LLM和 NLP 感兴趣的人提供了一个游乐场。 在这里，我们提供金融领域LLM训练和微调的完整渠道。 完整的架构如下图所示。
端到端框架：FinGPT 采用具有四层的 FinLLM 全栈框架：
- 数据源层：该层确保全面的市场覆盖，通过实时信息捕获解决金融数据的时间敏感性。
- 数据工程层：该层面向实时 NLP 数据处理，解决了金融数据中高时间敏感性和低信噪比的固有挑战。
- LLMs层：该层专注于LoRA等一系列微调方法，减轻了金融数据的高度动态性，确保了模型的相关性和准确性。
- 应用层：展示实际应用和演示，凸显FinGPT在金融领域的潜在能力。
FinGPT LLM 层使用的开源基础模型