隨著預測市場(如 Kalshi 和 Polymarket)的爆發性成長,美國商品期貨交易委員會(CFTC)正高度重視其中的合規問題。 監管機構計劃押注人工智慧(AI)技術,透過分析交易模式與異常數據,來捕捉預測市場中的內線交易。 此舉反映出美國政府對於新興金融預測平台加強監管的決心,並試圖利用科技手段維護市場公平性。
Hugging Face 宣布推出「Open FinLLM Leaderboard」,這是一個專為金融領域大語言模型(FinLLMs)設計的開源評測排行榜。該排行榜旨在解決通用評測基準無法準確反映金融專業能力的問題,透過多維度的金融數據集(如情感分析、關係抽取、金融問答等)來評估模型。這為金融機構與研究人員在選擇、微調和部署金融 AI 模型時,提供了一個透明且標準化的參考依據。
個人理財應用 Rocket Money 面臨交易分類模型流量劇烈波動的挑戰。透過導入 Hugging Face Inference Endpoints,他們實現了自動彈性伸縮(Auto-scaling),不僅大幅降低基礎設施成本,還簡化了部署流程,讓數據科學團隊無需依賴繁重的 DevOps 即可快速將模型推向生產環境,同時保持極低的延遲。