Bridgewater и Thinking Machines Lab сообщили о преимуществе дообученной open-weight модели в финансовом анализе
Хедж-фонд Bridgewater Associates и компания Thinking Machines Lab Миры Мурати опубликовали результаты внутреннего исследования, в котором специализированная модель с открытыми весами оказалась эффективнее крупных коммерческих ИИ-систем при анализе финансовой информации. По словам авторов, такой подход требует почти в 14 раз меньше вычислительных затрат.
Исследование сосредоточили на задачах инвестиционной аналитики: оценке значимости новостей, корпоративной отчётности, аналитических материалов и документов регуляторов. Авторы описали шесть типовых сценариев из повседневной практики инвесторов. Среди них, например, определение важности финансовых новостей для руководителей компаний и анализ сигналов центральных банков о возможном изменении процентных ставок. Как сообщает iXBT, исследователи отмечают: специалисты нередко делают подобные выводы интуитивно, но объяснить и формализовать собственную логику им бывает сложно.
Во время тестирования базовые версии GPT, Claude и Gemini при стандартных запросах показали точность около 50%. После применения более сложных инструкций и трёхуровневой системы оценки показатель вырос примерно до 75%, однако всё равно остался ниже установленного исследователями порога надёжности в 80%. Авторы также заявили, что новые крупные модели дают всё меньший прирост эффективности относительно стоимости. В качестве примера они привели GPT 5.4.
Для обучения итоговой системы использовали платформу Tinker и открытую модель Qwen3-235B. На первом этапе документы размечали внешние подрядчики. Позже команда подключила промежуточную модель, которая искала вероятные ошибки, после чего на экспертную проверку отправлялись только спорные случаи. По внутренним оценкам авторов, итоговая модель достигла точности 84,7%, а лучший результат среди протестированных коммерческих систем составил 78,2%. При этом авторы отдельно подчеркнули, что работа основана на собственной методологии и не считается независимой внешней оценкой.
Ключевые факты
Исследование охватывало 6 типовых задач из повседневной работы инвесторов
Базовые версии GPT, Claude и Gemini при стандартных запросах показали точность около 50%
После применения сложных инструкций и трёхуровневой системы оценки точность выросла примерно до 75%, но осталась ниже порога в 80%
Дообучение проводилось на платформе Tinker с использованием модели Qwen3-235B, а итоговая система достигла точности 84,7% против 78,2% у лучшей коммерческой модели