/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.3
Опубликована
4 мар 2026

forexgpt-mistral-7b-forex-signals-v1.0

Генерация текстаТекст → текст3 профессии

ForexGPT — LoRA-адаптер для Mistral-7B-Instruct-v0.3, который извлекает структурированные сигналы Forex из текстов финансовых отчетных звонков.

31скачиваний за 30 дней2лайкавеса обновлены30 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

ForexGPT — адаптер LoRA для Mistral-7B-Instruct-v0.3, обученный forexgpt на расшифровках финансовых отчетных звонков с разметкой торговых сигналов. Это диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; для работы адаптер подключается к базовой модели. Модель предназначена для извлечения сигналов о валютном рынке из текстов earnings call и выдаёт JSON с валютной парой, направлением, уверенностью, обоснованием, величиной сигнала и временным горизонтом.

Модель принимает текст и генерирует текстовый ответ; в метаданных указан контекст до 32 768 токенов и поддержка английского языка. Лицензия — Apache-2.0. Результаты зависят от качества и предметного охвата обучающих данных; торговые сигналы и оценки модели не гарантируют точности или прибыльности.

Сценарии применения

  • извлечение торгового сигнала Forex из расшифровки отчетного звонка
  • определение валютной пары и направления движения по финансовому тексту
  • получение оценки уверенности и временного горизонта сигнала
  • структурирование обоснования и величины валютного сигнала в JSON

Ограничения

Модель обучена на расшифровках отчетных звонков с разметкой Forex-сигналов, поэтому её выводы ограничены этим типом данных и не гарантируют точность или прибыльность торговых решений.

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

ForexGPT — Mistral-7B LoRA

Fine-tuned on earnings call transcripts to extract forex trading signals.

Base Model

mistralai/Mistral-7B-Instruct-v0.3

Training

  • Method: LoRA (r=8, alpha=16)
  • Dataset: Earnings call transcripts labeled with forex signals
  • Epochs: 3

Output Schema

Returns a JSON object with: signal, currency_pair, direction, confidence, reasoning, magnitude, time_horizon

Usage

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("your-username/forexgpt-mistral-7b-lora")
base = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-Instruct-v0.3")
model = PeftModel.from_pretrained(base, "your-username/forexgpt-mistral-7b-lora")

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
d17465a

0 моделей