大語言模型與普惠金融融合應用路徑研究

摘 要：普惠金融的高質量發展直接影響金融強國戰略的實現，但當前普惠金融的發展面臨信息不對稱、融資成本高等問題，不利于其高質量發展。大語言模型作為一種新的數字技術，能夠緩解普惠金融發展面臨的困境。當前，為促進大語言模型在普惠金融中的應用，應夯實其應用環境建設、降低輸出結果偏見、強化應用合規管理、重視數據安全、加強人才隊伍建設、客觀看待決策結果，并加大資源投入力度。

關鍵詞：金融強國；大語言模型；普惠金融

一、背景

2023年10月30日至31日，第六次中央金融工作會議在北京召開。此次金融工作會議首次提出“金融強國”的目標，這也是我國金融今后發展的戰略指導思想。會議要求要做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章，其中，普惠金融作為五大金融種類之一，經過多年的發展已取得重要突破，尤其是在數字技術的應用方面，無論是廣度還是寬度均取得長足進步，普惠金融對于促進全面建成小康社會、經濟轉型發展、社會和諧都具有重要意義。2023年9月25日，《國務院關于推進普惠金融高質量發展的實施意見》發布，強調在未來五年要基本建成高質量的普惠金融體系，具體表現為基礎金融服務更加普及、經營主體融資更加便利、金融支持鄉村振興更加有力、金融消費者教育和保護機制更加健全、金融風險防控更加有效、普惠金融配套機制更加完善，將普惠金融的重要性提升到一個新的高度，也提出了更高的要求。然而，普惠金融在發展過程中仍面臨信息不對稱、信用風險過高等問題，影響了普惠金融的進一步發展。

隨著數字技術的快速發展，普惠金融的高質量發展越來越離不開數字技術的加持，只有通過數字技術的不斷迭代才能解決普惠金融發展面臨的難題。大語言模型作為一種新的數字技術，因ChatGPT的推出而受到廣泛關注。ChatGPT主要是基于大規模預訓練模型GPT3-5所具備的較強的語言理解與生成功能，將RLHF（Reinforcement Learning from Human Feedback）技術應用其中，讓機器能夠在比較自然的、人性化的過程中得到訓練、產生互動。ChatGPT的獨特之處在于其通過用戶行為互動，將人類行為嵌入訓練過程中，以更寬廣的視角與更高的效率學習，從而逐步形成符合人類價值觀的行為導向。ChatGPT自發布以來就迅速成為社會關注的焦點，在短時間內用戶注冊量破億，受到市場的廣泛歡迎。ChatGPT的功能十分智能化，能夠在短時間內快速根據用戶的需求生成相應文本，甚至還具備長期記憶的特點，只需要用戶發出提示，就能完成相應的項目。ChatGPT模型作為大語言模型的具體應用，展現出大語言模型的強大功能。大語言模型正是通過各種訓練，在海量級別的數據中通過算力形成知識，并將這些知識儲存于各種參數中，最終形成能夠快速、高效完成各項任務的技術架構。目前，大語言模型在互動問答、智能翻譯、信息搜索、文本及代碼生成、邏輯推理和簡單的智能分析等領域的表現不輸人類正常水平，這種人機交互方式的應用在普惠金融領域也有著巨大的應用前景。

大語言模型的發展可以推動建立高質量的普惠金融體系。一方面，大語言模型可以提升運營效率，降低服務成本。金融機構可以借助大語言模型不斷優化其普惠金融商業模式及業務流程，通過提高服務效率，降低客戶服務成本。另一方面，大語言模型在控制風險方面也表現出顯著優勢，其強大的數據分析能力能夠基于復雜的數據集中分析出規律，評估普惠群體的信用水平，進而為金融機構的普惠金融業務提供實時預警機制，降低信用風險。此外，在產品定制化服務方面，大語言模型的算法技術能夠準確理解客戶的需求，利用先進的算法、軟件、智能機器等，隨時為普惠群體量身定制金融產品，提升客戶滿意度。大語言模型在客戶服務方面也可實現較好的應用，通過對各類信息的收集整理和提煉，并結合自身的知識庫與搜索引擎，能夠更高效、實時地回答客戶的疑問，較傳統的智能客服更專業、更高效。因此，研究大語言模型的發展，分析其功能，探索其在普惠金融中的應用，能夠幫助廣大金融機構更好地服務中小企業，服務普惠群體。

二、普惠金融發展現狀

黨的十八屆三中全會提出了發展普惠金融的戰略構想，金融機構等主體積極貫徹落實布局普惠金融，商業銀行甚至專門針對普惠金融服務設置考核指標，無論是在金融服務的可得性還是覆蓋率上均取得顯著成效。但是在發展過程中仍然存在一些挑戰，普惠群體能夠接受到的金融服務仍然不足，主要表現在以下幾方面：

（一）信息不對稱問題較為突出

普惠金融發展面臨的最大的難題就是信息不對稱。我國征信體系起步比較晚，2003年中國人民銀行征信管理局成立，2006年中國人民銀行征信中心正式成立，但我國卻擁有世界上規模最龐大的征信數據。截至2023年6月底，我國個人征信系統中接入的金融機構超過4000家，收錄的個人信息超過11.5億，企業征信系統中，接入的金融機構超過3800家，收錄的企業用戶數近1億（包括已注銷），數據規模龐大但有用的信息不多，在自然人信用信息中，僅有一半人的信息具有實質性價值，剩余的信息可用性不強。征信中心系統主要服務于傳統金融機構，且其中客戶的數據必須是接受過傳統金融機構服務的客戶，但是普惠群體被傳統金融機構服務的覆蓋面并不足，因而這些客戶群體在征信中心系統的數據維度不足，導致傳統金融機構難以準確評估其真實信用水平，產生信息不對稱問題。尤其是對銀行而言，對普惠群體服務的成本過高而收益較低，使得金融機構為普惠群體服務的意愿不足。

（二）融資成本較高

雖然與金融相關的數字技術已經取得較快發展，但不可否認，依靠傳統的物理網點提供金融服務的機構仍然占據很大一部分比重，比如金融機構給企業開銷戶必須到物理網點辦理，而普惠群體大部分都生活在偏遠地區、廣大農村，導致物理網點運營成本增加。其次，傳統金融機構給普惠群體提供服務需要普惠群體的抵質押物作為擔保，但普惠群體通常缺乏足值的抵質押物，導致其融資成本過高。此外，人工成本逐漸增加也是影響融資成本進一步上升的重要因素，雖然很多金融機構都有線上產品，但是金融機構對普惠群體服務仍然離不開人工操作。此外，隨著老齡化程度的加劇，人工成本將進一步提升，而普惠群體需要的金融服務通常表現為“短、頻、快”，這就導致為普惠群體服務的效益較低，而為了保證效益，金融機構只能提高為普惠群體的服務成本。

（三）金融服務邊界趨窄

如何打通普惠金融服務的“最后一公里”是真正體現普惠金融的關鍵，盡管數字技術的發展在一定程度上緩解了這一難題，但尚未從根本上解決，很多金融機構雖推出了一些數字化產品，但線上業務的復雜程序缺乏點對點指導，導致普惠群體的應用不足。此外，出于成本考慮，線下物理網點一般都開設在城鎮地區，廣大農村以及偏遠地區的客戶難以前往營業網點享受到正規的金融服務，金融機構為普惠群體提供金融服務的邊界趨窄。

（四）個性化服務不足

傳統金融機構的服務重點主要集中在高凈值客戶群體，并專門為他們提供諸多個性化、定制化服務，從而為金融機構帶來豐厚的利潤與較高的客戶忠誠度。但是普惠群體本身對價格敏感度更高，基于獲取利潤較低與服務成本較高等原因，相比于提供個性化服務，金融機構更愿意為普惠群體提供定制化、批發化的產品。這種做法雖然可以降低服務成本，但也限制了普惠金融服務的多樣性和靈活性，無法充分滿足普惠群體的多樣化需求。

（五）金融消費者權益保護有待加強

金融消費者權益保護是社會關注的熱點問題。金融消費者權益受到侵犯主要有以下幾種情況：一是遭受金融詐騙。由于信息泄露，金融消費者的個人資料被不法分子獲取，不法分子利用金融消費者的心理，一步步誘導進行詐騙。二是侵害公平交易權。普惠群體在向金融機構尋求金融服務的過程中，通常處于不對等的地位，一些金融機構利用格式條款，設置對金融機構有利的條款，加重金融消費者的責任，而合同條款往往冗長復雜，一般人很難真正認真地審核合同條款。三是維權較為困難。當金融消費者權益遭受侵犯時，其往往并不完全了解如何為自身進行維權，表現出無所適從的情況。維權渠道不暢、維權成本高等問題，使金融消費者在權益受損時難以有效保護自身利益。

三、大語言模型在普惠金融中的創新應用

大語言模型主要是基于海量數據訓練的深度學習算法，是目前人工智能技術領域最前沿的應用之一，大語言模型是一種神經網絡的自然語言處理技術，能夠根據海量的數據分析出用戶的習慣和特征并自動生成自然語言文本的AI程序。神經網絡模型通過學習大量的網絡信息，根據這些信息自動提取信息存在的規律特征，實現理解信息、生成語言的功能。例如，自然語言文本可以作為字符序列輸入到神經網絡模型中，通過與多層神經元進行分析、轉換，進而形成相應的輸出序列。

大語言模型的核心優勢在于能夠理解用戶的思想，屬于數據驅動型技術。需要指數級的數據進行驅動訓練、迭代，形成相應的規律特征，其數據無需人工進行干預清洗，可根據最基礎的數據進行學習。此外，大語言模型具有一定的連貫性，能夠根據現有的文本信息生成連貫的文本，同時具備通用性，能夠處理多種自然語言處理任務。其基本功能包括五方面，即機器翻譯、文本摘要與生成、情感分析與智能客服、代碼生成與自動化編程、問答系統與知識圖譜。一是機器翻譯。大語言模型經過訓練，能夠翻譯不同類型的語言，這是大語言模型應用最普遍的場景，也是相對成熟的技術，如百度翻譯、谷歌翻譯等就屬于這種應用。但是機器翻譯仍需改進，尤其是在長語句的理解和歧義的消除等方面，機器翻譯的精確度與流暢性仍有待提升。二是文本摘要與生成。大語言模型經過訓練后，能夠自動提煉出文本的關鍵信息，比如生成一篇文章的摘要，通過設定關鍵詞或特定的內容，大語言模型還能生成相關的新聞報道。三是情感分析與智能客服。這是大語言模型在實際中得到應用的另一個重要領域，通過對文本進行閱讀理解，其能夠掌握客戶的情感，為金融機構或者其他市場主體提供更加高效的營銷策略。大語言模型還能幫助一些大型企業建立智能客服系統，實現24小時不間斷在線服務，提高客戶滿意度。四是問答系統與知識圖譜。這是大語言模型在人機交互領域的重要應用。大語言模型通過訓練，能夠較為準確地理解用戶需求，并給出相應的答案。同時，通過與知識圖譜結合，其在搜索與推理方面比傳統方式更加智能化。五是代碼生成與自動化編程。在預訓練的基礎上，大語言模型能夠自動學習代碼邏輯，理解算法規則，實現代碼的自動生成，目前逐漸應用在國內外的軟件開發領域。因此，基于大語言模型的功能特點并且結合其他數字技術的作用，能夠緩解普惠金融發展面臨的難題。

（一）緩解信息不對稱

金融機構通常根據對借款人提供的數據以及征信系統的存量數據（主要包括金融交易、歷史信用數據、資產負債表等財務報表、資產等）進行分析，確定其信用等級，貸款后也是通過定期分析借款人數據來判斷其還款能力。然而，普惠群體在征信系統內往往缺乏有用數據，無法為傳統金融機構提供能夠生成信用評分的數據。雖然金融機構可以通過傳統關鍵詞算法的搜索方式搜索普惠群體的公開數據，但是搜索出的數據質量較低，對評估普惠群體的信用效果不佳，而大語言模型可以使用比傳統搜索更加智能的搜索方式，如“神經搜索（Neural Search）”來處理普惠群體的公開數據。這種搜索方式能夠準確理解搜索者的信息，包括長詞短句以及明確的語句等，從而搜索出想要的結果。此外，大數據技術利用公開數據、衛星圖像、社交媒體等網絡數據，進行數據采集、預處理、存儲及管理、分析及挖掘等，與大語言模型進行結合，在一定程度上能夠較為準確地分析出普惠群體的信用等級，并判斷其還款能力，這種智能搜索和數據分析技術在一定程度上降低了信息不對稱的問題，從而增強了信貸決策的準確性。

（二）降低融資成本

普惠群體，尤其是小微企業的發展易遭受市場沖擊，房租、水電、人工成本過高、原材料成本上漲等問題是小微企業面臨的挑戰，這使得融資難、融資貴的現象始終存在。大語言模型通過深度學習，可以搭建出具有針對性的智能風控模型，識別出大量維度的風險指標數據并識別出具體風險，緩解普惠群體的融資缺口。同時金融機構可以將大語言模型與人工智能技術應用到貸款客戶的財務系統中，設置特定的程序實現自動化報賬與審計，一方面可以幫助企業減少人工參與，降低人工成本與人工差錯率，提高財務系統數據的準確性與合規性，另一方面，金融機構也可以及時了解和掌握企業的財務狀況，降低風險，對于信用水平較高的群體，還可以提高其信用額度。在供應鏈金融中，大語言模型可以應用在生產、銷售、發貨、訂單、付款、退貨、退款等各個環節，且無需手工記錄，結合區塊鏈技術不可篡改的特點，供應鏈系統內的數據可以自動記錄，從而針對特定的供應鏈定制融資方案，并準確識別出貿易欺詐等風險。

（三）擴大服務邊界

大語言模型能夠幫助金融機構擴大金融服務邊界，下沉金融服務。在智能語音方面，金融機構借助大語言模型應用可以大幅降低提供定制化金融服務的成本。大語言模型的聊天機器人功能較傳統的智能語音更加精確，客戶體驗更佳。聊天機器人能夠及時回答客戶的問題，包括其他國家語言的問題，并能根據用戶畫像提供自動化服務。即使在營業網點較少的廣大鄉鎮地區，大語言模型也能幫助金融機構通過線上渠道提供豐富、簡單、易上手的金融服務，打通金融服務的“最后一公里”。

（四）提供個性化服務

在定制化服務方面，大語言模型可為金融機構提供機器人顧問，比如根據普惠群體的消費行為，向客戶推薦最適合其需求的金融產品、金融咨詢等服務。機器人顧問不僅降低了金融機構為普惠群體服務的成本，還能根據收集到的相關數據，為金融機構自動化相關流程，對普惠群體各特定對象進行分類，提供相應的服務。區別于聊天機器人，機器人顧問的專業化非常高，一般用于金融機構的自動化金融顧問與投資平臺，可根據對普惠群體的數據分析，為其自動提供相匹配的金融服務，并不斷優化建議。

（五）強化安全保護

金融消費者遭受信息泄露、騷擾、欺詐等現象屢見不鮮，金融消費者權益保護問題日益受到關注。大語言模型與人工智能技術能夠有效發現和識別欺詐行為，通過大數據分析挖掘，大語言模型能夠在各種交易往來中識別出潛在的欺詐行為，并且通過人工智能技術及時向金融消費者進行預警。比如在各類轉賬中，針對大額的轉賬行為，一旦發現問題可及時凍結資金，電商中的刷單、惡意評論等行為也能夠被及時識別。在信息泄露方面，大語言模型的數據加密與訪問控制等級更高，身份驗證更加科學有效，個人信息一旦泄露會自動進行預警。大語言模型的深度學習功能，能夠幫助金融消費者在金融交易中面臨潛在的不公平問題時，通過對合同的智能化分析，識別出其與法律法規的沖突點，以及各種潛在事件可能產生的后果，幫助金融消費者提前了解風險。大語言模型還能夠幫助金融消費者快速準確地維權，借助自動化與智能化方式，快速識別出問題的關鍵，并提出各種維權的意見和建議，避免金融消費者盲目維權。

四、大語言模型應用與發展的相關建議

基于大語言模型的應用前景，在實際應用中，既要發揮出大語言模型在金融行業的積極作用，也要有針對性地做好風險防范。

（一）加強大語言模型應用環境建設

金融機構應用大語言模型需要一定的基礎支撐，首先需要進一步加強金融機構技術基礎設施建設，加大基礎設施投入力度，特別是在廣大鄉村地區建立金融便民服務網點，提升數據基礎設施的覆蓋范圍，便于金融機構收集普惠群體數據信息。不斷完善云平臺、數據采集、模型訓練等基礎設施，夯實大語言模型的應用基礎。其次，營造公平競爭的環境，大語言模型需要依賴大量的數據，而這些數據可以同時被多家機構獲取，因此可以建立數據共享平臺，避免形成“贏家通吃”的局面。此外，技術應具備一定的開放性，借鑒開源模型與商業模型的經驗教訓，完善大語言模型的服務能力，尤其是提高技術的兼容性，形成大語言模型的評估方法，使模型更具科學性。最后，提高模型預測的準確性，金融機構要結合已有數據，提高大語言模型的準確性，比如在預訓練基礎模型上，可以結合自身高質量的金融數據進行多次訓練和結果比對，提高可信度。

（二）降低大語言模型輸出結果偏見

如果底層數據存在問題或偏見，模型輸出結果的準確性也值得關注。為了解決潛在的偏見和不公平問題，金融機構需要對大語言模型進行反復的輸出和定期訓練。因此，金融機構在應用大語言模型時首先要認真篩選訓練數據，保證數據豐富多樣且兼具平衡，盡可能從普惠群體直接獲取數據。其次，金融機構要定期對模型輸出結果的公平性進行評估，糾正偏見與不公平的現象。最后，大語言模型雖然會進行預訓練，但是輸出的結果并不能保證完全準確，金融機構要強化對數據驗證、篩選、檢測等，提高系統安全等級，防止惡意攻擊，持續強化訓練數據的多樣性與代表性，對模型的運行進行精細化調整，確保大語言模型的可解釋性和用戶對模型結果的準確理解。

（三）強化大語言模型應用合規管理

大語言模型應用過程中的合規性問題值得金融機構關注，目前國內缺乏完整的針對大語言模型的監管體系，而是零散分布于各個法律法規中，大語言模型設計的合規要素主要包括平臺運營合規、內容合規、平臺管理合規、網絡安全與數據合規、算法技術合規、國際聯網合規等內容（見圖1），金融機構在使用大語言模型時一方面要始終與監管部門保持良好的溝通，嚴格遵守法律法規相關規定，保證大語言模型的透明度與可追溯性。另一方面，大語言模型主要基于數據進行預訓練，但是這些數據中，很多都包括用戶的財務、個人隱私等，金融機構要合法合規地使用用戶的數據，不能濫用數據。此外，金融機構還要不斷加強用戶管理，提高用戶對大語言模型的接受度。

（四）重視大語言模型應用數據安全

數據是大語言模型應用的基礎，其輸出結果依賴數據的豐富度與質量，如果在源頭輸入的數據有誤，就會直接影響大語言模型生成的結果，因此，金融機構必須在源頭確保數據的真實性與質量，及時監控結果并進行糾偏。在使用公共數據或其他外部數據時，應借助數字技術對外部數據進行預處理，清除噪聲以及問題數據的干擾。同時，由于需要使用大量的數據，金融機構必須對普惠群體數據的安全性進行嚴格保護，提高數據訪問等級，不斷強化數據加密、數據調取權限管理等，避免發生數據泄露事件，充分保護好普惠群體數據。

（五）加強大語言模型人才隊伍建設

技術的變革改變著各行各業，同時對人才的需求也越來越多。大語言模型的發展需要多學科領域的人才，因此金融機構首先應該重視人才隊伍的建設，通過與高校合作，增設符合市場需求的專業課程，引導高校學生積極參與大語言模型的研究，并在金融機構進行實踐。其次，加強對大語言模型人才的培養力度，設立研究院，以項目研究的形式培養專業人才，也可以輸送到專業機構培訓。最后，加強人才招引，積極吸引國內外優秀人才的加盟，最終通過“內引外培”的方式培養出高精尖的復合型人才。

（六）客觀看待大語言模型決策結果

大語言模型雖然具備更加智能化的功能，但是在本質上仍是一種技術工具，不能完全代替人工判斷，也不能取代人工決策。金融機構在服務普惠金融時，應將大語言模型當成一種輔助工具，但是不能完全依賴大語言模型，而應結合專業人員的專業水平，共同服務于普惠金融。同時，還應積極解決大語言模型應用所面臨的道德、法律等問題，如金融機構服務于普惠金融不單單基于利益需要，也是國家提倡的價值導向以及金融機構所應承擔的社會責任，因此大語言模型的參數定義不能只關注利益，還應承擔一定的社會責任，金融機構還應確保大語言模型在普惠金融的應用符合社會價值觀，符合國家戰略需要。

（七）加強大語言模型資源投入力度

金融機構應加強對新興技術發展趨勢的關注度，根據市場情況靈活調整普惠金融的業務模式與策略。大型金融機構應加強對大語言模型的投入力度，尤其是在研發方面，加大資金和技術的投入力度，中小型金融機構可與頭部互聯網科技巨頭合作，不斷提升大語言模型的技術水平，提高模型的精確性與科學性，確保技術始終處于行業前列。

五、結論與建議

金融是國家經濟發展重要的核心競爭力，建設金融強國能夠極大提高我國的經濟實力和國際競爭力，提升我國在世界經濟格局中的地位。普惠金融作為金融的重要組成部分，由于其發展關系到民生，因此一直備受關注。相較于傳統金融，普惠金融的服務對象更廣泛，但當前傳統金融機構對普惠群體的金融支持度還不夠。數字技術的發展推動了普惠金融的發展，但在應用過程中仍存在不足，大語言模型作為一種新的數字技術，基于大量的參數進行預訓練，能夠理解、分析人類語言，并自動生成語言，在機器翻譯、文本生成、智能語音等多個領域有著廣泛的應用，金融機構利用大語言模型能夠顯著降低普惠金融服務的成本，提高服務效率，擴大服務邊界。當前提出以下建議，一是金融機構應針對大語言模型出臺頂層設計，明晰大語言模型在金融機構應用的規劃。二是針對大語言模型的應用，建立專業的團隊，持續改進模型的算法。三是加強大語言模型與其他數字技術的融合，共同推動金融機構為普惠群體提供更好的服務。

參考文獻

[1]陸順.數字金融與低碳金融：互融燃點、共促體制與共生機制研究[J].大慶師范學院學報，2022（01）：37-42.

[2]歐陽文杰，陸岷峰.鄉村振興背景下農村金融改革面臨的現實狀況與路徑選擇[J].西南金融，2023（01）：56-70.

[3]陸岷峰.數字科技賦能實體經濟高質量發展：融合優勢、運行機理與實踐路徑[J].新疆師范大學學報（哲學社會科學版）.2023，44（01）：136-144.

[4]王婷婷.數字技術與小微金融：擔保與風險轉移模式創新研究——基于數字技術在商業銀行小微金融風險管理中的應用[J].當代經濟管理.2021年43卷3期：72-82.

[5]王洪志.商業銀行公司金融數字化轉型路徑研究[J].天水行政學院學報[J].2023，24（05） 83-88.

[6]徐陽洋.“雙碳”目標背景下供應鏈經濟的新特點、新挑戰與新對策[J].新疆社會科學，2022（01）：43-52.

[7]裴璇，陸岷峰，王穩華.共同富裕背景下企業數字化轉型的勞動收入分配效應研究[J].現代財經. 2023（04）03-22.

[8]趙越.數據資產：價值鏈生成與經營模式的設計研究[J].海南金融，2021（09）：24-33.

[9] 楊麗萍，陸岷峰.“雙碳”目標下數字綠色金融發展模式研究[J].金融與經濟2023.（12）：79-87+96.

[10]陸岷峰.商業銀行數字化轉型風險類型、特征及治理體系[J].金融發展研究2023（10）：63-68.

[11]歐陽文杰.現代金融治理體系視角下的監管體制改革研究[J].經濟學家：2023（08）：153-161.

[12]歐陽文杰.產業金融與實體經濟：政策環境、模式比較與實踐路徑[J].理論月刊.2023（03）56-69.

[13]許默焓，裴璇.共同富裕與城市低收入人群：金融發展的盲點與著力點——基于 31 個省/自治區/直轄市城市戶口樣本的實證分析[J].農村金融研究.2023（07）：41-51.

[14]陸岷峰.數字經濟時代產業金融高質量發展路徑研究——兼論數字產業金融發展模式[J].廣西社會科學.2023（01）18-26.

[15]陸岷峰，歐陽文杰.構建金融強國：現代化金融生態系統與產業融合發展研究[J].社會科學輯刊.2024年（總270期）（01）：10-11.

【本文系國家社會科學基金一般項目“互聯網金融市場跨界風險的協同監管長效機制與政策研究” （批準號：21BJY022） 的階段性成果。】

（徐陽洋系南京泛泰數字科技研究院高級研究員；陸岷峰系南京工業大學互聯網金融創新發展研究中心主任，南京工業大學教授、博士生導師）

Research on the Integration Application Path of Big Language Model and Inclusive Finance under the Background of Financial Power

Xu Yangyang Lu Minfeng

Abstract： In October 2023， the sixth Central Financial Work Conference proposed the concept of financial power for the first time， and inclusive finance， as one of the five major financial institutions， has further improved its status. The high-quality development of inclusive finance directly affects the strategy of financial power， but the current problems such as information asymmetry and high financing costs in the development of inclusive finance also hinder its highquality development. As a new digital technology， big language model can alleviate the difficulties faced by the development of inclusive finance and is an effective tool for digital technology innovation to bring new quality productivity. Therefore， at present， it is necessary to strengthen the construction of big language model application environment， reduce the bias of big language model output results， strengthen the compliance management of big language model application， and pay attention to the data security of big language model application. Strengthen the construction of large language model talent team， objectively view the decision-making results of large language model， and increase the input of large language model resources.

Key words： Financial Power； Large Language Model； Inclusive Finance