文章 "将您自己的 LLM 集成到 EA 中（第 5 部分）：使用 LLMs 开发和测试交易策略（一）- 微调"
您好
在使用语言模型时，训练过程和微调过程的主要区别是什么？
您好，从本文的例子来看：
1.我们在这个例子中使用的预训练 GPT2 模型的权重与我们的数据没有任何相关内容，如果不进行微调，输入的时间序列将无法被识别，但经过微调后可以根据我们的需要输出正确的内容。
2.正如我们在文章中所说，从头开始训练一个语言模型使其收敛是非常耗时的，但微调会使预先训练好的模型迅速收敛，从而节省大量时间和计算能力。由于我们示例中使用的模型相对较小，因此这一过程不是很明显。
3.微调过程所需的数据量比预训练过程要少得多。 如果数据量不足，用相同的数据量对模型进行微调比直接训练模型要好得多。
您好，感谢您的精彩文章。
期待看到我们如何将微调模型整合到 MT5 中。
新文章 将您自己的 LLM 集成到 EA 中（第 5 部分）：使用 LLMs 开发和测试交易策略（一）- 微调已发布：
随着当今人工智能的快速发展，语言模型（LLMs）是人工智能的重要组成部分，因此我们应该考虑如何将强大的 LLMs 整合到我们的算法交易中。对于大多数人来说，很难根据他们的需求微调这些强大的模型，在本地部署它们，然后将它们应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。
在上一篇文章中，我们介绍了如何使用 GPU 加速来训练大型语言模型，但我们没有使用它来制定交易策略或执行回测。然而，训练我们模型的最终目标是使用它并让它为我们服务。因此，从本文开始，我们将逐步使用训练好的语言模型来制定交易策略，并在外汇货币对上测试我们的策略。当然，这不是一个简单的过程。这就要求我们采取相应的技术手段来实现这一过程。所以，让我们一步一步地实现它。
整个过程可能需要几篇文章才能完成。
作者：Yuqiang Pan