Fin-R1: A Large Language Model for Financial Reasoning through Reinforcement Learning

文章主要内容与创新点总结

主要内容

1. 模型设计
   Fin-R1是一个专为金融领域设计的轻量级大语言模型（70亿参数），通过监督微调（SFT）和强化学习（RL）两阶段训练框架，解决金融推理中的核心问题。

2. 数据集构建
   提出了高质量金融推理数据集Fin-R1-Data，包含60,091条多维度金融知识样本，涵盖中文和英文双语内容，通过数据蒸馏和过滤确保准确性。

3. 训练方法

   • 监督微调（SFT）：基于Qwen2.5-7B-Instruct模型，优化金融推理能力。
   • 强化学习（RL）：采用**Group Relative Policy Optimization (GRPO)**算法，结合格式奖励和准确性奖励，提升回答的规范性和内容质量。

4. 实验结果
   在多个金融基准测试中表现优异，平均得分75.2，其中ConvFinQA和FinQA分别达到85.0和76.0，超越同类模型（如DeepSeek-R1-Distill-L