FISCAL: Kompaktes KI-Modell liefert präzises Finanz‑Fakten‑Check
In der Finanzwelt verlangen große Sprachmodelle nach höchster Faktenverlässlichkeit und gleichzeitig nach Rechen‑Effizienz. Doch aktuelle Systeme neigen häufig zu Halluzinationen und erfordern oft Modelle, die zu groß und zu teuer sind. Mit dem neuen Ansatz FISCAL – Financial Synthetic Claim‑Document Augmented Learning – wird dieses Problem angegangen.
FISCAL ist ein modularer Rahmen, der synthetische Daten speziell für die Überprüfung finanzieller Behauptungen erzeugt. Auf Basis dieser Daten wird das Dataset FISCAL‑data erstellt, das anschließend zur Schulung von MiniCheck‑FISCAL, einem schlanken Verifikator für numerische Finanzclaims, verwendet wird.
Die Ergebnisse sind beeindruckend: MiniCheck‑FISCAL übertrifft die Basisversion, schlägt GPT‑3.5 Turbo und andere Open‑Source‑Modelle gleicher Größe und kommt mit 20‑fach kleinerem Modell der Genauigkeit großer Systeme wie Mixtral‑8x22B und Command R+ nahe. Auf externen Benchmarks FinDVer und Fin‑Fact steht es GPT‑4o und Claude‑3.5 auf Augenhöhe und übertrifft dabei Gemini‑1.5 Flash.
Diese Erfolge zeigen, dass domänenspezifische synthetische Daten in Kombination mit effizientem Feintuning kompakte Modelle in die Lage versetzen, Spitzenleistungen in Genauigkeit, Robustheit und Skalierbarkeit zu erzielen – ein entscheidender Fortschritt für die praktische Anwendung von KI im Finanzbereich.
Das Dataset sowie die zugehörigen Skripte sind im Projekt‑Repository verfügbar, sodass Forscher und Entwickler sofort loslegen können.