FinLLMs 是一个围绕金融大语言模型的资源整理项目，来自《Large Language Models in Finance》相关工作。它不是单个模型或数据集，而是系统梳理金融 LLM 的历史、技术路线、数据集、benchmark、任务、机会与挑战。 这个项目适合作为金融 AI 学习地图。前面收录的 FinGPT、XuanYuan、DISC-FinLLM、PIXIU、FinEval、CFLUE、OpenFinData 等项目，都可以放回 FinLLMs 的框架里理解：哪些属于金融预训练模型，哪些属于指令微调，哪些属于评测，哪些属于数据集，哪些属于应用。 对银行从业者来说，FinLLMs 的最大价值不是直接运行代码，而是减少“信息碎片化”。金融 AI 项目太多，如果没有分类框架，很容易今天看模型、明天看数据、后天看智能体，却不知道它们之间的关系。
项目主要介绍
FinLLMs 是一个围绕金融大语言模型的资源整理项目，来自《Large Language Models in Finance》相关工作。它不是单个模型或数据集，而是系统梳理金融 LLM 的历史、技术路线、数据集、benchmark、任务、机会与挑战。
这个项目适合作为金融 AI 学习地图。前面收录的 FinGPT、XuanYuan、DISC-FinLLM、PIXIU、FinEval、CFLUE、OpenFinData 等项目，都可以放回 FinLLMs 的框架里理解：哪些属于金融预训练模型，哪些属于指令微调，哪些属于评测，哪些属于数据集，哪些属于应用。
对银行从业者来说，FinLLMs 的最大价值不是直接运行代码，而是减少“信息碎片化”。金融 AI 项目太多，如果没有分类框架，很容易今天看模型、明天看数据、后天看智能体，却不知道它们之间的关系。
金融 + AI 核心特点
- 项目方向是：金融大模型资源图谱 / 数据集与基准索引，核心学习问题是：如何系统梳理金融大模型、数据集、任务、评测和研究路线。
- 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/adlnlp/FinLLMs。 ↗
- 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。
可学习内容
重点学习金融 LLM 的知识结构：从 FinBERT 等金融预训练模型，到 BloombergGPT、FinMA、FinGPT 等大模型，再到高级任务和应用场景。
还可以学习如何建立自己的项目索引。你的仓库本身也在做类似事情，FinLLMs 可以作为“研究资源如何分类”的参考。
应用方向
- 制定金融 AI 学习路线图。
- 给金融大模型项目库做分类、标签和优先级。
- 梳理数据集、评测集和模型之间的关系。
- 为银行内部技术调研报告提供参考目录。
- 辅助判断后续要优先复现哪些项目。
风险与局限
资源列表类项目可能存在更新滞后、链接失效和主观筛选问题。使用时要把它当导航，而不是权威结论；具体项目仍需要回到原始论文、仓库和许可证核实。
原始来源与整理依据
文字分析来自内容源；业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径，未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。