# FinVector-Market-4B улучшила результаты в финансовых задачах после LoRA-адаптации

> После небольшой донастройки LoRA точность exact match на FinQA выросла с 14,7% до 40%, а результаты по другим задачам тоже улучшились.

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

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%.

## Факты

- FinVector-Market-4B — адаптация Qwen/Qwen3.5‑4B с помощью LoRA ранга 16 на 22 000 примерах
- Опубликовано 2026-10-08

## Почему это важно

Результаты показывают, что небольшая целевая донастройка может сделать модели общего назначения гораздо полезнее для специалистов в сфере финансов.

## Источники и ссылки

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

Обновлено: 2026-10-08