NVIDIA ha introducido métodos utilizando su marco NeMo para generar datos sintéticos destinados al ajuste fino de modelos de lenguaje grandes en el procesamiento del lenguaje natural financiero. Este enfoque aborda las limitaciones de los conjuntos de datos del mundo real, que a menudo sobrerepresentan eventos comunes como los informes de ganancias mientras subrepresentan ocurrencias más raras.
- La generación sintética ayuda a llenar vacíos de datos para la investigación de trading, modelado de riesgos y vigilancia.
- El método se dirige a eventos raros específicos como cambios en las calificaciones crediticias, aprobaciones de productos y problemas laborales.
- Esta técnica tiene como objetivo mejorar el rendimiento del modelo en tareas de NLP financiero desbalanceadas.
Al crear ejemplos sintéticos de eventos financieros menos frecuentes, los investigadores pueden entrenar mejor los modelos para un análisis integral del mercado.