CFLUE 是面向中文金融语言理解的大模型评测数据集，由阿里云与高校合作推出，项目页面关联“通义点金”中文金融行业大模型资源。它将金融知识评估和金融 NLP 应用评估结合起来，既包含金融资格考试类选择题，也包含文本分类、机器翻译、关系抽取、阅读理解、文本生成等应用任务。

CFLUE 的价值在于它不只考“金融常识”，还考模型处理金融文本的能力。银行业务中大量任务并不是简单问答，而是阅读合同、制度、公告、报表、投诉文本、营销话术和监管文件，判断类别、关系、意图、风险点和摘要。CFLUE 的任务组织方式可以帮助学习者理解金融 NLP 评测应该如何分层。

对于中文金融 AI 项目，CFLUE 可以和 FinEval、OpenFinData 一起构成评测参考：FinEval 更偏专业知识与安全，CFLUE 强调金融语言理解，OpenFinData 更贴近产业场景模块。三者合看，有助于建立更完整的中文金融模型评测观。

• 项目方向是：中文金融语言理解评测集，核心学习问题是：金融知识考试题与金融 NLP 应用任务如何共同评估中文大模型。
• 能帮助理解金融场景中数据、模型、检索、推理、智能体、知识图谱或评测之间的衔接方式。
• 适合用公开数据做原型学习，再思考如何迁移到银行内部制度、产品、客户、风控或运营场景。
• 项目地址：https://github.com/aliyun/cflue。 ↗
• 开源协议标注为：未明确标注；若协议未明确，建议仅作学习研究参考。

重点学习知识评估和应用评估的组合。银行模型既要懂金融知识，也要能处理真实文本任务，比如分类、抽取、阅读理解和生成。

还可以学习中文金融语料标注方式。公开任务能够帮助理解标签体系、样本难度、解释字段和数据质量对模型评估的影响。

• 中文金融 LLM 的语言理解能力评估。
• 金融文本分类、关系抽取和阅读理解任务设计。
• 内部金融语料标注规范参考。
• 银行合规文本、投诉文本、产品说明的 NLP 实验。
• 通用模型与行业模型的横向对比。

项目协议和数据复用边界需要单独核对，尤其是企业或商业环境使用时。评测集也可能无法覆盖银行内部流程和产品细节，不能替代机构自建测试集。