# FinVector-Market-4B presteert veel beter op financiële taken na LoRA-training

> Het model verhoogt de exact-matchscore op FinQA van 14,7% naar 40% en verbetert ook de nauwkeurigheid op andere taken na een beperkte LoRA-finetuning.

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

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%.

## De feiten

- FinVector-Market-4B past Qwen/Qwen3.5‑4B met rank-16-LoRA aan op 22.000 voorbeelden
- Gepubliceerd op 2026-10-08

## Waarom het ertoe doet

De resultaten suggereren dat een kleine, gerichte finetuning algemene modellen veel bruikbaarder kan maken voor financiële professionals.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-08