A NVIDIA introduziu métodos usando seu framework NeMo para gerar dados sintéticos destinados ao ajuste fino de modelos de linguagem grandes no processamento de linguagem natural financeiro. Essa abordagem aborda as limitações dos conjuntos de dados do mundo real, que frequentemente superrepresentam eventos comuns como relatórios de lucros enquanto subrepresentam ocorrências mais raras.
- A geração sintética ajuda a preencher lacunas de dados para pesquisa de trading, modelagem de riscos e vigilância.
- O método visa eventos raros específicos, como mudanças na classificação de crédito, aprovações de produtos e questões trabalhistas.
- Esta técnica tem como objetivo melhorar o desempenho do modelo em tarefas de NLP financeiro desbalanceadas.
Ao criar exemplos sintéticos de eventos financeiros menos frequentes, os pesquisadores podem treinar melhor os modelos para uma análise abrangente do mercado.