/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
ODA-Fin-SFT-8B
Библиотека
transformers
Опубликована
22 янв 2026

ODA-Fin-RL-8B

Генерация текстаТекст → текст3 профессии

Финансовая языковая модель на базе Qwen3 для ответов, рассуждений и вычислений по финансовым текстам и данным.

128скачиваний за 30 дней4лайкавеса обновлены10 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ODA-Fin-RL-8B — финансовая языковая модель от OpenDataArena, дообученная на базе ODA-Fin-SFT-8B. Модель построена на плотной архитектуре Qwen3 и содержит 7,6 млрд параметров; для работы с текстом доступен контекст до 40 960 токенов. Она обучена в два этапа: сначала supervised fine-tuning на финансовых примерах, затем оптимизация методом GRPO на наборе сложных проверяемых финансовых задач ODA-Fin-RL-12K.

Модель предназначена для генерации ответов и рассуждений по финансовым вопросам, включая анализ числовых данных, финансовые расчёты и определение тональности. В README сообщается о среднем результате 74,6% на девяти финансовых бенчмарках и сильных результатах на задачах TaTQA, FinQA и ConvFinQA. Указанные результаты относятся к оценке авторов и сами по себе не гарантируют точность в практических финансовых решениях.

Модель принимает и выдаёт текст, обучалась на англоязычных и китайскоязычных данных. Для загрузки используется Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы по финансовым документам
  • решение задач финансовой математики и анализа таблиц
  • анализ тональности финансовых новостей
  • рассуждения по финансовым показателям и отчётам

Ограничения

Показатели в README основаны на бенчмарках и не гарантируют безошибочность финансовых расчётов или пригодность ответов для принятия решений. Оценка авторами качества не заменяет независимую проверку на целевых данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Paper Collections


This repository provides ODA-Fin-RL-8B, the reinforcement learning-enhanced version of ODA-Fin-SFT-8B. It achieves state-of-the-art performance among open-source financial LLMs of comparable size.

📖 Overview

ODA-Fin-RL-8B is built on ODA-Fin-SFT-8B and further optimized via Group Relative Policy Optimization (GRPO) on the ODA-Fin-RL-12K dataset—a carefully curated subset of 12K hard-but-verifiable financial reasoning tasks. This two-stage training strategy (SFT → RL) achieves optimal performance across diverse financial benchmarks.

🎯 Key Highlights

  • Base Model: ODA-Fin-SFT-8B (Qwen3-8B fine-tuned on 318K CoT samples)
  • RL Training: GRPO on ODA-Fin-RL-12K (12K difficulty-filtered samples)
  • Avg Performance: 74.6% across 9 financial benchmarks (+2.5 over SFT)
  • SOTA Achievement: Highest score among open-source 8B financial LLMs
  • Key Strengths:
    • Finova: 54.6% (Best among 8B models, +6.8 over SFT)
    • TaTQA: 89.3% (+2.3 over SFT, +4.2 over Qwen3-32B)
    • FPB: 83.4% (+7.8 over SFT, strong sentiment reasoning)

🧠 Model Training

Stage 1: Supervised Fine-Tuning (SFT)

  • Dataset: ODA-Fin-SFT-318K
  • Method: Full-parameter fine-tuning
  • Epochs: 3
  • Result: Establishes strong reasoning foundation (72.1% avg)

Stage 2: Reinforcement Learning (RL)

  • Dataset: ODA-Fin-RL-12K (difficulty-filtered: fail rate >= 50%)
  • Algorithm: GRPO (Group Relative Policy Optimization)
  • Training Config:
    Hardware: 8×NVIDIA H800 (80GB)
    Batch Size: 256
    Rollouts per Sample: 4
    Temperature: 0.6
    Top-p: 0.85
    Learning Rate: 1e-6
    KL Coefficient: 0.001
    

📊 Model Performance

Main Results (vs SOTA Baselines)

Performance Highlights:

  • Matches Qwen3-32B (74.7%) with 4× fewer parameters
  • +4.3 points over DianJin-R1-7B (best previous 7B financial LLM)
  • +2.1 points over Qwen3-8B-Thinking (larger reasoning model)
  • Dominates numerical reasoning: TaTQA (89.3%), FinQA (73.3%), ConvFinQA (80.4%)

📚 Citation

@misc{cao2026unlockingdatavaluefinance,
      title={Unlocking Data Value in Finance: A Study on Distillation and Difficulty-Aware Training}, 
      author={Chuxue Cao and Honglin Lin and Zhanping Zhong and Xin Gao and Mengzhang Cai and Conghui He and Sirui Han and Lijun Wu},
      year={2026},
      eprint={2603.07223},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2603.07223}, 
}


📄 License

This model is released under the Apache 2.0 License. The training data (ODA-Fin-SFT-318K) aggregates from 25+ open-source repositories, each with their own licenses.


🤝 Acknowledgments

We thank the creators of DianJin-R1-Data, Agentar-DeepFinance-100K, financial_phrasebank, Finance-Instruct-500k, and others. We also thank the Qwen team for the powerful Qwen3 series models.


🔗 Related Resources

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
948c22e

0 моделей