金融NLP

深度分析

LoRA 微調小型語言模型於金融交易商戶資訊抽取的效能與部署實證

金融交易每天產生上千億筆壓縮且噪聲龐雜的字串，需要將其中的商戶名稱、地址、聯絡方式等資訊精準抽取。研究以 LoRA 微調技術，針對 LLaMA 3.1‑8B、Gemma 3、Qwen 3.5、Aya 等四大模型家族的 24 種變體，系統性比較了準確率、推論吞吐、訓練成本與硬體行為。