Ein Forschungsteam unter Leitung von Alina Khaybullina hat FinVector-Market-4B vorgestellt. Das Modell basiert auf Qwen3.5‑4B und wurde mit rank-16-LoRA anhand von 22.000 Finanzbeispielen angepasst. In der Studie vergleichen die Forschenden das Basismodell und die angepasste Version anhand eines Benchmarks mit 600 Beispielen und Prompts mit JSON-Schema. Wird nur das Schema vorgegeben, steigt die Gültigkeit der JSON-Ausgabe beim Basismodell von 0 % auf 91,3 %. Bei identischen, expliziten Prompts erhöht das angepasste Modell die Exact-Match-Genauigkeit bei FinQA von 14,7 % auf 40,0 % und die Korrektheit von Taschenrechner-Ausdrücken von 48,0 % auf 82,7 %.
Warum es wichtig ist
Die Verbesserungen deuten darauf hin, dass ein kleines, gezieltes Fine-Tuning allgemeine Modelle für Fachleute im Finanzbereich deutlich nützlicher machen kann.
