الضبط الدقيق لـ RL يمكّن نموذج 4B من التفوق على 235B في الأسئلة المالية: شركة Snorkel AI تطلق بيئة تدريب FinQA مفتوحة المصدر

وفقًا لمراقبة 1M AI News، أطلقت Snorkel AI FinQA، وهي بيئة تدريب للتعلم المعزز مبنية على مستندات مالية حقيقية من SEC 10-K، وقد أصبحت الآن مفتوحة المصدر على منصة OpenEnv التي يديرها بشكل مشترك كل من Meta PyTorch وHugging Face. تغطي FinQA 290 سؤالًا ماليًا عالي التخصص مع توثيق الخبراء من 22 شركة مدرجة علنًا، بما في ذلك Alphabet وAmazon وApple وBank of America وBoeing، وتوفر للوكيل أربعة أدوات من نوع MCP: عرض الجداول المالية المتاحة، واسترداد هياكل الجداول، وتنفيذ استعلامات SQL، وتقديم الإجابات. يفرض SQL شروط التصفية ويمنع استخدام SELECT *، مما يجبر الوكيل على استرجاع البيانات الضرورية فقط بدلًا من تفريغ الجدول كاملًا. تعاونت Snorkel AI مع فريق rLLM في جامعة كاليفورنيا، بيركلي، لإجراء الضبط الدقيق لـ Qwen3-4B باستخدام FinQA، مما أسفر عن تحقيق درجة 59.7% على معيار أسئلة وأجوبة التمويل SnorkelFinance، متجاوزًا السلسلة نفسها من Qwen3-235B (51.37%)، وبما يقارب 1/60 من عدد المعلمات وبتخفيض 90% في تكلفة الاستدلال. النتائج الرئيسية: بينما يمكن للنماذج الكبيرة أن تستدل، فقد تنتج أسماء أعمدة مُهلوسة وتتجاهل قيود SQL؛ في المقابل، يمكن للنموذج الأصغر الذي تم تدريبه باستخدام RL أن يستدعي الأدوات بدقة، مما يشير إلى أن «انضباط الأدوات» وليس الحجم هو الاختناق. تعتبر FinQA أول بيئة مفتوحة المصدر تصدرها Snorkel AI على منصة OpenEnv، مع خطط لإطلاق بيئات مؤسسية متعددة الجولات تغطي قطاعات مثل الرعاية الصحية والتأمين والقانون في المستقبل، مع التركيز على دور الوكيل Agent وRL.