RavenPack iki NVIDIA H200 GPU -da bir saatdan az müddətdə 845 000-dən çox maliyyə-mətn parçasını etiketləmək üçün 4B NVIDIA Nemotron modelini tənzimləyərək, maliyyə tədqiqatları üçün tam korpus məlumat dəsti yaradılmasını təmin etdi. BERLİN, 21 oktyabr 2026 /PRNewswire/ -- Dünyanın aparıcı hedcinq fondlarına, banklarına və aktiv menecerlərinə məlumat və süni intellekt infrastrukturu təminatçısı olan RavenPack , bu gün özünün süni intellekt əsaslandırma və axtarış platforması olan Bigdata.com -da yeni məlumat dəsti yaratma layihəsini təqdim etdi. Bu layihə, sadə dildə ifadə edilmiş tədqiqat fərziyyəsini tam əldə edilmiş korpusdan qurulmuş, etiketlənmiş, backtest-ə hazır məlumat dəstinə çevirir. RavenPack -ın yığcam NVIDIA Nemotron modeli ilə təchiz edilmiş layihəsi, maliyyə mətnini istehsal miqyasında etiketləyir. Hər bir məlumat elmi komandasının sınaqdan keçirə biləcəyindən daha çox ideyası var. Qabaqcıl süni intellekt modelləri maliyyə mətnini analitik tipli tədqiqatları dəstəkləyən şəkildə şərh edə bilər, lakin onları milyonlarla sənəd və on illik tarix boyunca işlətmək yavaş və baha başa gələ bilər. Nəticədə, əksər ideyalar nümunə üzərində sınaqdan keçirilir və ya heç sınaqdan keçirilmir. Eyni zamanda, sentiment geniş istifadə olunan bir girişə çevrilib və fondlar bir şirkətin hekayəsinin niyə dəyişdiyini izah edən daha spesifik siqnallar axtarırlar. RavenPack -ın layihəsi hər iki problemi həll edir. O, geniş miqyaslı etiketləməni təkrarlamaq üçün daha praktik edir və sentimentdən kənar siqnallar istehsal edir. RavenPack -ın ilkin backtest-ində, layihə eyni portfel quruluşu çərçivəsindən istifadə edərək qurulmuş yalnız əhəmiyyət ağırlıqlı sentiment strategiyasından daha yaxşı nəticə göstərdi. İlk sınaq sadə bir sual verdi: bir şirkət rəqiblərinə qarşı bazar payı qazanır, yoxsa itirir? Layihə, bazar kapitallaşmasına görə ABŞ -ın ən yaxşı 1000 şirkətindən 1 642-ni əhatə edən xəbər və gəlir çağırışı transkriptlərindən 845 220 parça əldə etdi. O, hər bir parçanı xüsusi olaraq qurulmuş taksonomiyaya qarşı etiketlədi, sonra etiketləri gündəlik, şirkət səviyyəli siqnala çevirdi. Bu siqnal 2016-cı ilin yanvarından 2026-cı ilin oktyabrına qədər backtest edildi. 1. Hədəfli əldə etmə. Bigdata.com axtarış API-si, bigdata-smart-batching ilə, 20 ildən çox xəbər və gəlir çağırışı transkriptlərini əhatə edən bir milyarddan çox sənəddən ibarət lisenziyalı arxivdən müvafiq sübutları əldə edir. Hər dövrdə hər bir şirkət üçün sorğu göndərmək əvəzinə, ağıllı toplama məzmun həcmi və birgə qeydlər ətrafında əldə etməni planlaşdırır, tam şirkət-dövr cədvəli ilə müqayisədə sorğu sayını 90%-dən çox azaldır. 2. Distillasiya yolu ilə səmərəli etiketləmə. Daha böyük əsaslandırma modelləri maliyyə siqnallarını təsnif edə bilər, lakin onları bütün əldə edilmiş kainatda tətbiq etmək yavaş və baha başa gələ bilər. RavenPack , 84 521 parçadan ibarət təbəqəli nümunəni etiketləmək üçün NVIDIA Nemotron 3 Super 120B -dən istifadə etdi, sonra bu etiketlərdən LoRA nəzarətli incə tənzimləmə istifadə edərək NVIDIA Nemotron 3 Nano 4B -ni incə tənzimləmək üçün istifadə etdi. İki NVIDIA H200 NVL GPU -da işləyən distillə edilmiş model, tam korpusu həm hissə, həm də cümlə səviyyəsində etiketlədi. RavenPack sınaqlarında, o, müəllim modelinin təxminən 39 qat məhsuldarlığına nail oldu. RavenPack sınaq və təhlilində rəqəmlərlə: Distillasiya, daha böyük bir modelin çıxışları üzərində daha kiçik bir modelin öyrədilməsi, sonra nəticələrin müəyyən bir tapşırıq üçün incə tənzimlənməsi deməkdir. Bu, modelin bir təşkilatın öz mühitində incə tənzimlənə və yerləşdirilə bilməsi üçün model çəkilərinə birbaşa çıxışı tələb edir. Nemotron -un açıq çəkiləri RavenPack -a bir dəfə incə tənzimləməyə və sonra təkrar çıxarış iş yüklərini token başına çıxışa etibar etmədən işlətməyə imkan verir. Tənzimlənən qurumlar üçün model daxili olaraq işlədilə bilər, beləliklə onun etiketləmə məntiqi yoxlanıla və audit edilə bilər. "Məlumat elmi komandalarında ideya çatışmazlığı yoxdur. Əngəl həmişə bu ideyaları kifayət qədər əhatə dairəsi və tarixi olan etibarlı məlumat dəstlərinə çevirmək olub. Bu layihə bunu dəyişir: müştərilər bir fərziyyədən Bigdata.com tərəfindən indekslənmiş məzmunun tam genişliyində sınaqdan keçirməyə keçə bilərlər," deyə RavenPack -ın Baş Məlumat Alimi Peter Hafez bildirdi. Layihə bu gün Bigdata.com müştəriləri üçün əlçatandır. Tərtibatçılar onu ideyadan etiketlənmiş məlumat dəstinə, siqnala və backtest-ə qədər tam şəkildə, müşayiət edən qeyd kitabçasında, "Tədqiqat ideyasından backtest edilmiş siqnala" işlədə bilərlər. RavenPack , 20 ildən çox təcrübəsi ilə dünyanın ən mürəkkəb hedcinq fondlarına, banklarına və aktiv menecerlərinə xidmət edən maliyyə qurumları üçün aparıcı məlumat və süni intellekt infrastrukturu təminatçısıdır. RavenPack iki əsas məhsul işlədir: RavenPack EDGE , onun alfa və risk analitik platforması, və Bigdata.com , onun süni intellekt əsaslandırma və axtarış platforması. Bigdata.com , bir RavenPack məhsulu, süni intellekt üçün əsaslandırma qatıdır: dəqiq axtarış və əldə etmə platforması və tokenlə ifadə olunan klirinq evi ki, süni intellekt agentlərinə yalnız istehlak etdikləri dəqiq məzmun üçün ödəməyə imkan verir, token istehlakını dəfələrlə azaldır, eyni zamanda hər bir cavabı lisenziyalı, istinad edilmiş mənbələrə əsaslandırır. Aparıcı süni intellekt köməkçilərinə yerli olaraq qoşulmuş və istənilən agent tərəfindən əlçatan olan Bigdata.com , agent iqtisadiyyatı üçün əsaslandırılmış, izlənilə bilən cavablar təmin edir. RavenPack bu gün Bigdata.com -da Məzmunun Tokenizasiyasını, süni intellekt agentlərinin premium məzmunu əldə etdiyi, lisenziyalaşdırdığı və ödəniş etdiyi ilk platformanı işə saldı... Müəssisələr öz süni intellekt tətbiqlərini gücləndirmək üçün etibarlı, yüksək keyfiyyətli xəbər siqnalları axtararkən, RavenPack The Washington Post ilə əməkdaşlıq edərək birini gətirdi...