GPT-4.1 Mini раскрывает финансовые связи: многоязычный подход к анализу причинно-следственных связей

Команда HSA_CORAL участвовала в задании FinCausal 2026 — нужно было извлечь причинно-следственные связи из финансовых историй, отвечая на вопросы на английском и испанском языках. Исследователи сравнили три группы моделей: многоязычный BERT, многоязычный BART, а также LLM-модели (Llama 3.1 и GPT). Они тестировали разные методы настройки моделей — от быстрой доработки до точной настройки под наблюдением. Лучшая система — GPT-4.1 Mini, настроенная на данных на английском и испанском языках — показала высокие результаты: набрала 4,8140 балла в подзадаче на английском и заняла третье место по испанскому (4,7753 балла) по показателю LLM-as-a-judge. Метод подчёркивает важность многоязычной настройки для анализа финансовых данных.