# تحسّن كبير في أداء FinVector-Market-4B بالمهام المالية بعد تكييف LoRA

> رفع النموذج دقة المطابقة التامة في FinQA من 14.7% إلى 40%، وحسّن دقته في مهام أخرى بعد ضبط دقيق محدود باستخدام LoRA.

Oossa · 2026-10-08 · https://oossa.com/ar/finvector-market-4b-shows-large-gains-on-financial-tasks-after-lora-adaptation

أصدر باحثون بقيادة ألينا خايبوللينا FinVector-Market-4B، وهي نسخة من Qwen3.5‑4B جرى تكييفها باستخدام LoRA برتبة 16 على 22,000 مثال مالي. تقارن الدراسة بين النموذج الأساسي والنسخة المعدّلة على معيار يضم 600 مثال، باستخدام مطالبات تستند إلى مخططات JSON. ويؤدي تقديم المخطط وحده إلى رفع صلاحية JSON من 0% إلى 91.3% في النموذج الأساسي. وعند استخدام مطالبات صريحة متطابقة، ترفع النسخة المعدّلة دقة المطابقة التامة في FinQA من 14.7% إلى 40.0%، وتحسّن صحة التعبيرات الحسابية من 48.0% إلى 82.7%.

## الحقائق

- يكيّف FinVector-Market-4B النموذج Qwen/Qwen3.5‑4B باستخدام LoRA برتبة 16 على 22,000 مثال
- نُشر في 2026-10-08

## لماذا يهم

تشير هذه المكاسب إلى أن الضبط الدقيق المحدود والموجّه يمكن أن يجعل النماذج متعددة الأغراض أكثر فائدة بكثير للعاملين في القطاع المالي.

## المصادر والمراجع

1. [FinVector-Market-4B: A Controlled Study of LoRA Adaptation for Structured Financial Tasks](https://arxiv.org/abs/2610.08882) – arXiv cs.LG, 2026-10-08

آخر تحديث: 2026-10-08