RL微调让4B模型金融问答超越235B：Snorkel AI开源FinQA训练环境

时间：2026-03-31 14:12:47

　　消息，据 1M AI News 监测，Snorkel AI 发布 FinQA，一个基于线-K 财务文件构建的强化学习训练环境，现已开源于 Meta PyTorch 与 Hugging Face 联合维护的 OpenEnv 平台。FinQA 覆盖 22 家上市公司的 290 道专家标注财务问答，向 Agent 提供 4 个 MCP 工具：列出可用财务表、获取表结构、执行 SQL 查询、提交答案。SQL 强制要求过滤条件且禁止 `SELECT *`，迫使 Agent 只取所需数据，而非倾倒整张表。Snorkel AI 与加州大学伯克利分校 rLLM 团队合作，用 FinQA 对 Qwen3-4B 进行强化学习微调，结果在金融问答基准 SnorkelFinance 上得分 59.7%，超过同系列 Qwen3-235B，参数量约为后者的 1/60，推理成本降约 90%。关键发现：大模型能推理，但会产生幻觉列名、无视 SQL 约束；RL 训练后的小模型反而能精准调用工具，「工具纪律」而非规模才是瓶颈。FinQA 是 Snorkel AI 在 OpenEnv 发布的首个开源环境，后续将推出覆盖医疗、保险、法律等行业的多轮次企业环境。

上一篇：华商高端装备制造股票A：3月31日起申购费率优惠返回首页

下一篇：谷歌：量子攻击比特币仅需9分钟，成功率41%

热点推荐

1 Circle在Solana链上铸造7.5亿枚USDC

消息，据吴说区块链发推称：Circle 在 Solana 链上 24 小时内铸造了约 7.5 亿枚 USDC。...

2 上次石油价格出现这种波动时，比特币还

比特币正在测试 67,000 美元的支撑位，该关键支撑区域曾是 2021 年周期的高点。与 1973 年相比，...

3 谷歌：量子攻击比特币仅需9分钟，成功率

消息，据Coin Bureau发推称：谷歌量子团队最新研究显示，破解比特币可能只需不到50万个量子比...

4 RL微调让4B模型金融问答超越235B：Snorkel

消息，据 1M AI News 监测，Snorkel AI 发布 FinQA，一个基于线-K 财务文件构建的强化学习训练环境，...

5 华商高端装备制造股票A：3月31日起申购费