Onderzoekers onder leiding van Alina Khaybullina brachten FinVector-Market-4B uit, een versie van Qwen3.5‑4B die met rank-16-LoRA is aangepast op 22.000 financiële voorbeelden. In de studie worden het basismodel en de aangepaste versie vergeleken op een benchmark met 600 voorbeelden en prompts op basis van JSON-schema’s. Alleen al het meegeven van het schema verhoogt de geldigheid van JSON-uitvoer van 0% naar 91,3% bij het basismodel. Met verder identieke, expliciete prompts verhoogt het aangepaste model de exact-matchnauwkeurigheid op FinQA van 14,7% naar 40,0% en de correctheid van rekenmachine-uitdrukkingen van 48,0% naar 82,7%.
Waarom het ertoe doet
De resultaten suggereren dat een kleine, gerichte finetuning algemene modellen veel bruikbaarder kan maken voor financiële professionals.
