ارائه چارچوب ارزیابی کارآیی مدلهای زبانی بزرگ در اعتبارسنجی مالی و بانکی

سنجش ریسک اعتباری مشتریان، نقش مهمی در سودآوری و پایداری فعالیتهای بانکها و موسسات مالی دارد. از این رو سازوکارهای متنوعی برای اعتبار سنجی مالی توسعه یافته است که برخی از آنها مبتنی بر سیستمهای خبره و برخی دیگر مبتنی بر الگوریتمهای یادگیری ماشین هستند. با ظهور مدلهای زبانی بزرگ و آشکار شدن قابلیت این مدلها در درک دانش و استخراج نتایج، کاربرد مدلهای زبانی بزرگ در اعتبارسنجی مالی و بانکی به موضوعی قابل توجه در تحقیقات حوزه هوش مصنوعی تبدیل شده است. در این مقاله، چارچوبی برای ارزیابی عملکرد مدلهای زبانی بزرگ در اعتبارسنجی مالی و بانکی، ارائه شده است. این چارچوب مشتمل بر مجموعه ای از دیتاستهای مالی و روالهای پردازشی مورد نیاز برای تنظیم دقیق مدل و ارزیابی کارآیی آن در پیش بینی ریسک اعتباری می باشد. عملکرد پنج مدل زبانی بزرگ منتخب در اعتبارسنجی مالی مورد بررسی قرار گرفته و نقش تنظیم دقیق این مدلها با الگوریتم LoRA در بهبود سنجه های کارآیی نشان داده شده است. نتایج این تحقیق نشان می دهد انجام تنظیم دقیق با دیتاستهای تخصصی در حوزه اعتبار مالی و بانکی، تاثیر قابل توجهی در افزایش سنجه های کارآیی مدلهای زبانی بزرگ در سنجش ریسک اعتباری دارد که بصورت افزایش ۵۵ درصدی امتیاز F۱ در مدلهای عمومی با ابعاد ۳B پارامتر مشاهده می شود.

کلیدواژه ها:

اعتبارسنجی مالی ، کارآیی ، مدلهای زبانی بزرگ ، تنظیم دقیق ، الگوریتم LoRA