研究解读 · 进化解读

桥水训了个专做金融信息筛选的模型，准确率 84.7%，方法公开

联合 Thinking Machines，用专家标注数据微调开源模型：比前沿最优错误率降 29.8%，推理成本仅 1/14

速览

Thinking Machines Lab 联合桥水（Bridgewater）旗下 AIA Labs，用自家微调平台 Tinker，训练了一个专门做金融信息筛选的定制模型。
顶级大模型（Gemini、Claude、GPT 系列）用简单提示词做 6 项财经筛选任务，平均准确率只有约 50%，反复优化提示词后最高到 78.2%，仍够不到投资者要求的 80% 可信门槛。
训练数据最初来自非专家标注、错误很多。团队设计了一套办法：只把「模型判断和标签对不上」的分歧样本送专家复核，其余沿用，压住了标注成本。
以开源的 Qwen3-235B 为基座，标准 GRPO 强化学习微调把准确率打到 73.48%，再叠加交错批次训练、CISPO 非对称裁剪损失、动态提拔教师的在线策略蒸馏，最终做到 84.66%。
最终模型准确率 84.7%，比测试过的最优前沿模型（78.2%）错误率少 29.8%，单任务推理成本只有对应前沿模型的 1/13.8。

⚑ 立场提示：本文是 Thinking Machines Lab 与桥水 AIA Labs 联合发布的官方博客，模型、数据、对比结果均为发布方自评，用的是其内部数据的公开子集。下文数字均按原文口径转述。

1投资经理一眼能看懂，AI 却只能蒙

投资经理一秒判断的新闻，AI 却只能蒙

Thinking Machines Lab 与桥水（Bridgewater）旗下 AIA Labs 联合发文，公布了一套用自家微调平台 Tinker 训练金融信息筛选模型的方法和结果。

要自动化的不是写投研报告，而是投资经理每天重复无数遍的「信息分拣」：从新闻、研报、公司文件、邮件里挑出真正值得读的那部分。读本身不难，难的是这一层层贴身的判断，它吃掉了大量时间。团队想看看：这活儿能不能交给模型。

结果先摆出来：顶级大模型直接上手，平均准确率只有约 50%，跟抛硬币差不多；而这个定制小模型做到了 84.7%，推理成本还只有前沿模型的 1/13.8。

◆

为什么值得看：一个开源基座微调出来的小模型，在具体判断任务上把最强前沿大模型（78.2%）的错误率压低了 29.8%，同时把单任务推理成本砍到它的 1/13.8。不是「更聪明的通用模型」，而是「为一件具体的事专门调过的小模型」赢了。

2要自动化的六件小事

这六件事对投资经理是本能，一秒判完；可一旦要讲清「我凭什么这么判」，人就卡壳了，也正因如此难教给 AI。团队把它们逐条拆出来做评测。

TASK 01

财经文章相关性

一篇财经文章，值不值得投资高管看。难在「相关」不等于「有意义」，需要投资判断力，不是关键词匹配。

TASK 02

央行文件方向

一份央行文件，是否暗示未来利率的走向。要读出字缝里的政策倾向，人凭经验就懂。

TASK 03

研报是否答题

给定一个投资者的问题和一份研究文档，这份文档能不能帮上忙。判断的是「有没有答案」，不是「有没有提到」。

TASK 04

常规内容标记

研报是纯套模板（重复样板），还是模板里夹了一次性的新分析。要分清哪种，还要找出新分析在第几页结束。

TASK 05

文档截断

找出文档从哪里开始变成套话样板。人扫一眼就知道正文到哪结束，模型要精确定位。

TASK 06

邮件截断

找出邮件正文从哪里开始变成签名、免责声明这类样板。同样是「正文到哪为止」的一秒判断。