FiMI Banking：面向印度零售银行业的主权模型

银行需要能够回答产品问题、协助客户处理账户相关请求并在严格的运营和监管限制下安全运营的对话系统。通用语言模型不能可靠地满足这些要求。当任务需要扎实的信息、正确的工具使用或谨慎处理银行特定的敏感情况时，它们就无法实现。我们介绍 FiMI Banking，这是一家受控的印度零售银行机构。我们根据经过审查的银行文件、结构化事实、综合客户背景和银行工具构建它。我们评估了两种训练后方法：响应级别行为的偏好优化，以及针对多轮工具使用任务的可验证奖励的强化学习。偏好优化显着改善了安全行为：超出范围的拒绝率从 52% 上升到 80%。强化学习将边缘情况性能从 0.509 提高到 0.718，将顺序敏感任务性能从 0.590 提高到 0.679，同时使用的生成词元减少了 29%。这些结果表明，偏好优化和可验证奖励强化学习满足了可靠银行代理的互补要求。