构建合成指令数据集以提升领域专用大语言模型的推理能力：日本金融领域的案例研究

在将大语言模型适配特定领域时，兼顾领域专业知识与推理能力仍是一项紧迫挑战。本研究提出了一种通用方法，能够从领域特定词汇出发，为任意领域构建高质量的合成指令数据。作为演示，该方法被应用于金融领域，构建了一个包含约 95 亿 token 的大规模指令数据集，其中集成了思维链推理轨迹。评估结果证实，相较于基线模型，该方法在金融基准测试中显著提升了性能。此外，研究还报告了推理轨迹长度对性能的影响及其局限性，并开源了相关模型与数据集。