# LoRA के बाद FinVector-Market-4B ने वित्तीय कामों में बेहतर प्रदर्शन किया

> छोटे LoRA फाइन-ट्यून से FinQA में मॉडल का exact-match स्कोर 14.7% से बढ़कर 40% हुआ और अन्य कामों में भी सटीकता बढ़ी।

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

Alina Khaybullina के नेतृत्व में शोधकर्ताओं ने FinVector-Market-4B जारी किया है। यह Qwen3.5‑4B का ऐसा संस्करण है, जिसे 22,000 वित्तीय उदाहरणों पर rank‑16 LoRA के साथ अनुकूलित किया गया। अध्ययन में JSON-schema प्रॉम्प्ट का इस्तेमाल करके 600 उदाहरणों वाले बेंचमार्क पर मूल और अनुकूलित मॉडल की तुलना की गई। केवल schema देने से मूल मॉडल के JSON की वैधता 0% से बढ़कर 91.3% हो गई। दोनों मॉडलों को समान और स्पष्ट प्रॉम्प्ट देने पर, अनुकूलित मॉडल की FinQA exact-match सटीकता 14.7% से बढ़कर 40.0% हुई और कैलकुलेटर एक्सप्रेशन की शुद्धता 48.0% से बढ़कर 82.7% हो गई।

## तथ्य

- FinVector-Market-4B को Qwen/Qwen3.5‑4B पर 22,000 उदाहरणों के साथ rank‑16 LoRA इस्तेमाल करके अनुकूलित किया गया
- प्रकाशित: 2026-10-08

## यह क्यों मायने रखता है

ये नतीजे बताते हैं कि सीमित और लक्षित फाइन-ट्यूनिंग से सामान्य उपयोग के मॉडल वित्तीय पेशेवरों के लिए कहीं अधिक उपयोगी बन सकते हैं।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-08