ตามการติดตามของ Beating ห้องปฏิบัติการประยุกต์ใช้ปัญญาประดิษฐ์ของ Bridgewater (Bridgewater AIA Labs) ร่วมมือกับ Thinking Machines ประสบความสำเร็จในการนำโมเดลที่ผ่านการปรับแต่งละเอียด (Fine-tuned Model) มาใช้คัดกรองข้อมูลทางการเงิน โดยมีความแม่นยำเหนือกว่าโมเดลขนาดใหญ่ชั้นนำ (GPT 5.5 และ Claude Opus 4.8) ในการทำงานลงทุนประจำวัน 6 ด้าน เช่น การวิเคราะห์ความเกี่ยวข้องของบทความทางการเงินและการวิเคราะห์เอกสารของธนาคารกลาง โมเดลที่ปรับแต่งนี้สามารถลดอัตราความผิดพลาดลงได้เกือบ 30% ในขณะที่ต้นทุนการอนุมาน (Inference Cost) คิดเป็นเพียงประมาณ 1 ใน 14 ของโมเดลขนาดใหญ่ชั้นนำ (ลดลง 13.8 เท่า) งานวิจัยนี้แสดงให้เห็นถึงศักยภาพขององค์กรในการสร้าง "ความฉลาดที่แตกต่าง" ผ่านการปรับแต่งเฉพาะโดเมน
ทีมวิจัยได้ปรับแต่งโมเดลพื้นฐาน Qwen3-235B บนแพลตฟอร์ม Tinker เนื่องจากป้ายกำกับ (Labels) ที่ได้จากผู้ติดป้ายที่ไม่เชี่ยวชาญโดยตรงมีข้อผิดพลาดจำนวนมาก ทีมงานจึงออกแบบกลไกตรวจสอบและแก้ไขข้อผิดพลาด โดยส่งตัวอย่างที่ยากซึ่งโมเดลคาดการณ์ไม่ตรงกับป้ายกำกับให้ผู้เชี่ยวชาญด้านการลงทุนตรวจสอบอีกครั้ง ในที่สุด โมเดลที่ผ่านการฝึกอบรมมีความแม่นยำเพิ่มขึ้นจาก 44.8% ของโมเดลพื้นฐานเป็น 84.66% ซึ่งสูงกว่า GPT 5.5 ที่ 78.2% และ Claude Opus 4.8 ที่ 78.0% พร้อมกับการเพิ่มความแม่นยำอย่างมีนัยสำคัญ ต้นทุนการอนุมานก็ลดลงอย่างรวดเร็วถึง 13.8 เท่า
แผนการปรับแต่งประกอบด้วยการปรับปรุงหลักสามประการ: ประการแรก การประมวลผลแบบสลับชุด (Interleaved Batch Processing) โดยสลับการฝึกอบรมงานต่างๆ ตามลำดับ เพื่อหลีกเลี่ยงการรบกวนจากการฝึกอบรมแบบผสม ประการที่สอง การนำฟังก์ชันการสูญเสียแบบตัดแต่งไม่สมมาตร (Asymmetric Clipping Loss Function) มาใช้เพื่อปรับปรุงการสุ่มตัวอย่าง และประการที่สาม การใช้การกลั่นนโยบายออนไลน์ (Online Policy Distillation) ซึ่งลงโทษเมื่อโมเดลเบี่ยงเบนจากการกระจายของครู (Teacher Distribution) และอัปเดตโมเดลครูแบบไดนามิกทุก 20 ขั้นตอนเมื่อประสิทธิภาพในชุดตรวจสอบทำสถิติสูงสุดใหม่
