Forskare under ledning av Alina Khaybullina har lanserat FinVector-Market-4B, en version av Qwen3.5‑4B som anpassats med rank-16 LoRA på 22,000 finansiella exempel. Studien jämför grundmodellen och den anpassade modellen på ett riktmärke med 600 exempel och prompts med JSON-scheman. Enbart schemat höjer andelen giltig JSON från 0% till 91.3% för grundmodellen. Med identiska, uttryckliga instruktioner höjer den anpassade modellen träffsäkerheten för exakt matchning på FinQA från 14.7% till 40.0% och förbättrar korrektheten för kalkylatoruttryck från 48.0% till 82.7%.
Varför det spelar roll
Resultaten tyder på att en liten, målinriktad finjustering kan göra modeller för allmänna ändamål betydligt mer användbara för yrkesverksamma inom finans.
