蚂蚁数科AIGD平台：高质量推理数据驱动AI推理模型

摘要：导读在人工智能技术快速发展的浪潮中，数据作为驱动 AI 发展的核心要素，其范式变革不断推动着技术的突破。近年来，高质量推理数据逐渐成为行业关注的焦点，成为 AI 发展新的重要驱动力。蚂蚁数科在这一领域展开了深入探索与实践，本文将围绕蚂蚁数科在推理数据领域的研究

导读在人工智能技术快速发展的浪潮中，数据作为驱动 AI 发展的核心要素，其范式变革不断推动着技术的突破。近年来，高质量推理数据逐渐成为行业关注的焦点，成为 AI 发展新的重要驱动力。蚂蚁数科在这一领域展开了深入探索与实践，本文将围绕蚂蚁数科在推理数据领域的研究成果，从高质量推理数据范式、金融场景应用、智能标注、智能质检以及 AI 数据合成与生产技术平台等方面展开详细阐述。

主要内容包括以下几个部分：

1. 高质量推理数据成为行业新范式

2. 推理数据在金融场景的探索

3. AIGD: AI 数据合成与生产技术平台

4. 问答环节

分享嘉宾｜蔡健生蚂蚁数科高级技术专家

编辑整理｜王红雨

内容校对｜郭慧敏

出品社区｜DataFun

在人工智能的演进历程中，其发展可清晰划分为三个典型阶段。第一阶段是 2022 年以前，以决策式人工智能为主导的时期。此阶段深度学习技术蓬勃发展，通过构建数据闭环实现决策优化是核心目标。数据收集主要围绕用户行为等描述性数据展开，提升决策的准确性。

第二阶段自 2022 年底生成式人工智能兴起，以 OpenAI 的 GPT-3 发布为标志性事件，开启了知识注入时代。在这个阶段，数据标注成为提升模型能力的核心手段。

面向未来，通用人工智能（AGI）将成为发展方向。然而，互联网数据增速与模型需求之间存在着结构性矛盾，随着模型对数据量和质量的要求不断提高，传统依赖互联网数据的模式已难以满足需求，数据合成将成为关键路径。强化学习与仿真技术等或将支撑 AI 实现数据自生成与智能进化。

添加图片注释，不超过 140 字（可选）

当前，我们正处于生成式 AI 向 AGI 过渡的关键节点。2025 年春节期间 DeepSeek R1 的推出，标志着推理模型的全面爆发，能够在复杂问题场景中展现出强大的逻辑推理能力。这一转变使得数据需求发生了根本性调整。相较于生成式 AI 阶段依赖的大规模标注语料，推理模型更强调小规模、高质量的推理数据，尤其是包含长思维链（COT）的推理密集型数据。此类数据成为驱动模型推理能力跃升的核心要素。从大模型综合排行榜Chatbot-Arena也能清晰看到推理模型的快速崛起。自去年 OpenAI 的 o1 模型出现，到 DeepSeek R1 模型推动推理模型加速发展，短短数月，推理模型已在排行榜上占据半壁江山。

以下将从数据视角，详细阐述 DeepSeek R1 模型的训练过程：

第一阶段为 DeepSeek V3 基础训练，此阶段与其他模型训练范式相似。

第二阶段是推理注入阶段。引入小规模（千级别）的推理密集型数据训练出 R1-zero。该模型虽在推理能力上表现突出，但能力较为单一，如同擅长理科竞赛的“奥赛选手”，在实际复杂场景应用中存在局限性。

第三阶段为推理泛化阶段。模型实现从专注特定领域推理到具备广泛场景适应性的转变，如同从“理科奥赛选手”成长为“理科博士”，最终形成 DeepSeek R1 模型。该模型兼具强大的推理能力与泛化能力，能够高效胜任多种复杂任务，展现出优秀的综合性能。

以 DeepSeek 的训练模式为范例，该模式为各行业训练垂类推理模型提供了重要参考。在未来，各行业势必会借鉴这种训练方式，结合自身领域特性构建专属的垂类推理模型。而在垂类推理模型从理论走向实际应用的进程中，高质量的长思维链数据将成为不可或缺的关键要素，直接决定着垂类推理模型的性能上限与应用价值。

推理数据在金融场景的探索

在金融这个垂直行业，训练大模型常用的数据集可大致分为两类。一类是逻辑推理较强的数据集，如金融数值计算、金融逻辑回答等，这些数据需要模型具备深度的逻辑分析和计算能力，以解决复杂的金融问题，例如计算金融衍生品的价值、分析金融市场的走势逻辑等。另一类则是推理相对较弱的数据集，如金融对话、金融知识问答等，主要用于满足日常金融咨询和简单知识交互的需求。

目前，这些数据集大多采用传统的 QA（问答）形式，但其中缺乏关键的推理过程。蚂蚁数科猜想，如果能够补全中间的推理过程，将其转化为高质量的长思维链数据，或许能显著提升模型在不同金融任务中的性能。基于此假设，蚂蚁数科展开了一系列探索。

蚂蚁数科构建了金融长思维链数据的生产链路，主要包括长思维链数据的合成和长思维链数据的评估两部分。在数据合成方面，通过“由果推因”和“由因推果”两个步骤进行数据扩充。

“由果推因”基于因果推断中的反事实技术。具体操作是，对每一条 QA 数据进行分析，提取关键变量，并分析这些变量与答案之间的关联关系。之后，调整答案，驱动关键因素发生变化，从而形成新的数据，并对新数据进行质量检查，包括因果合理性判断和语句通顺度检查，确保新生成的数据符合常识和逻辑。

“由因推果”则是在补充完数据集后，利用大模型对长思维链数据进行进一步补充，为后续训练做准备。在质量检查环节，考虑到金融数据的稀缺性和昂贵性，蚂蚁数科引入反向改写技术，保留无效数据并将其转化为有效数据，从而增加整体数据量。最后，通过专家标注环节，对筛选和扩充后的数据进行 Ranking 和改写，得到高质量的长思维链数据。

AIGD: AI 数据合成与生产技术平台

蚂蚁数科自主研发的 AI 数据合成与生产技术平台——AIGD，构建了完整的数据产品生产链路，全面覆盖数据采集、加工、标注合成及质检评估四大核心环节。

通过该平台，能够为大模型全生命周期提供多样化数据支持。在预训练阶段，提供大规模通识数据，帮助模型建立广泛的知识基础；在微调阶段，提供高质量垂类专家标注数据，使模型能够适应特定领域的需求；在后训练阶段，针对推理模型，提供长思维链数据，提升模型的推理能力。

旨在通过产出高质量行业数据，加速各领域垂类推理模型的落地进程。能有效解决智能体预定义工作流难以处理复杂任务的局限性。

此外，蚂蚁数科在 AI 领域的布局不仅局限于数据服务，还延伸至 AI 安全、智能体应用等方向。尤其在金融综合解决方案上，蚂蚁数科最近发布了金融推理大模型 Agentar-Fin-R1，金融 CoT 数据集 Agentar-DeepFinance-100K，以及金融智能体开发平台 Agentar，加速大模型在金融行业的落地应用。

问答环节

Q1：反式改写如何保证要素抽取、因果图关联及改写的正确性？

A1：质量把控：采用不同模型投票机制确保合理性，最终由专家标注把关，确保因果合理性和语句顺畅度。

Q2：数据过滤 pipeline 的算子体系如何迭代更新？

A2：算子管理：AIGD 平台设有算子广场，包含通用算子及垂类场景算子。开发同学基于数据加工需求自由组装，如无合适，再开发新算子放入库中。

Q3：如何核定高质量数据？打标时筛选哪些指标？

A3：质量核定：行业专家对同一问题的多个推理过程进行排序，判断合理性及质量，必要时进行改写，以专家经验作为质量兜底。

以上就是本次分享的内容，谢谢大家。