Un gruppo di ricercatori guidato da Alina Khaybullina ha presentato FinVector-Market-4B, una versione di Qwen3.5‑4B adattata con LoRA di rango 16 su 22.000 esempi finanziari. Lo studio confronta il modello di base con quello adattato su un benchmark di 600 esempi, usando prompt con schemi JSON. Fornire soltanto lo schema porta la validità del JSON dallo 0% al 91,3% per il modello di base. A parità di prompt espliciti, il modello adattato porta l’accuratezza di corrispondenza esatta su FinQA dal 14,7% al 40,0% e migliora la correttezza delle espressioni per la calcolatrice dal 48,0% all’82,7%.
Perché conta
I miglioramenti suggeriscono che un fine-tuning mirato e di piccola entità può rendere i modelli generalisti molto più utili per chi lavora nel settore finanziario.
