本文探讨大型语言模型在金融任务中的应用，利用监督微调、偏好优化和强化学习等技术，显著提升模型性能，展现其在金融领域的广泛潜力。

本研究提出了一种策略，通过领域自适应持续预训练开发特定领域的大型语言模型，介绍了应用于金融领域的FinPythia-6.9B。FinPythia在金融任务中表现优异，并探索了高效的数据选择策略。相比传统方法，该策略在使用更少资源的情况下表现更好，同时不影响开放领域任务。