微众银行人工智能首席科学家范力欣：基于内容严谨的数据库查询和

　　7月2日，微众银行“大模型时代AI前沿与金融应用”主题活动在北京举办。

　　会上，微众银行人工智能首席科学家范力欣表示，模型越大，能力越强，随之而来的问题是高成本，尽管现在“百模大战”，用户成本可能越来越低，但使用和训练大型模型的成本实际上并没有降低，这为大模型应用落地带来挑战。

　　会后，
 

　　
基于内容严谨的数据库查询和校验可防范大模型“幻觉”

　　首先，在生成内容之前，需要先查询信息。当查询其次，生成的内容需要再次与数据库进行校验，以确保生成的内容与数据库之间不存在矛盾。这是技术层面上的第二层校验。

　　在流程层面上，我们的系统并不直接面向实时生成业务。以客服为例，客服背后有一个庞大的数据库支撑。以往遇到的问题是，数据库中一个问题对应一个答案。随之而来的难点是如何将同一问题千变万化的问法与数据库中的答案对应。现在，可以扩展问题的表述范围，使其能够覆盖用户未来可能的表述，从而达到答案与问题的“多对一”匹配。由于数据库是离线的，并且可以人工审核，从应用层面避免了“模型幻觉”问题。

　　
投入产出比为大模型应用落地带来挑战

　　目前，大模型带来的微小收益可能已经被其额外的成本所抵消。因此，现阶段我们只能筛选那些产出大于投入的业务。对于其他业务，我们可能会进行简单的尝试或评估，以确定是否可行。当大模型到达另一个阶段，能力更强、成本更低的时候，将有更多可能的业务亟待拓展。

　　然而，更精确的定价应当面向应用。只有当我们明确了数据的使用目的，以及它在实际应用中带来的帮助，我们才能评估其真正的价值。否则，同样的数据对某些人可能毫无价值，而对另一些人可能非常有用。

　　这种应用价值的评估需要通过模型来实现，即通过训练或微调，使数据得以有效利用，从而揭示其真正的价值。从这个角度来看，实际上是模型赋予了数据价值，就像羊吃了草之后，我们是对羊定价，并向客户提供羊的使用价值。