Исследователи под руководством Алины Хайбуллиной представили FinVector-Market-4B — версию Qwen3.5‑4B, адаптированную с помощью LoRA ранга 16 на 22 000 финансовых примерах. В исследовании базовую и адаптированную модели сравнили на тестовом наборе из 600 примеров с промптами на основе JSON-схемы. Если указать только схему, доля корректных JSON-ответов базовой модели повышается с 0% до 91,3%. При одинаковых подробных промптах адаптированная модель повышает точность exact match на FinQA с 14,7% до 40,0%, а точность выражений для калькулятора — с 48,0% до 82,7%.
Почему это важно
Результаты показывают, что небольшая целевая донастройка может сделать модели общего назначения гораздо полезнее для специалистов в сфере финансов.
