据动察 Beating 监测,桥水基金旗下人工智能应用实验室(Bridgewater AIA Labs)与 Thinking Machines 合作,成功将微调模型应用于金融信息筛选,实现了超越前沿大模型(GPT 5.5 和 Claude Opus 4.8)的准确率。在金融文章相关性、央行文件分析等六项日常投资任务中,这款微调模型将错误率降低了近三成,而推理成本仅为前沿大模型的十四分之一左右(实现了 13.8 倍的降幅)。这一研究展示了企业通过特定领域微调实现「差异化智能」的潜力。
研究团队在 Tinker 平台微调 Qwen3-235B 基础模型。由于直接从非专业标注员获取的标签存在大量错误,团队设计了验证纠错机制,将模型预测与标签不一致的困难样本交由投资专家重审。最终,训练出的模型准确率从基线模型的 44.8% 提升至 84.66%,超过了 GPT 5.5 的 78.2% 和 Claude Opus 4.8 的 78.0%。在显著提升准确率的同时,推理成本也实现了 13.8 倍的断崖式下跌。
微调方案包含三项核心改进:一是交错批处理,按顺序交替训练不同任务,避免混合训练带来的干扰;二是引入非对称裁剪的损失函数优化采样;三是使用在线策略蒸馏,在模型偏离教师分布时进行惩罚,且每 20 步在验证集表现创新高时动态更新教师模型。