リサーチ解説 · 小互解読

ブリッジウォーターが金融情報の選別専用モデルを訓練、正解率84.7%、手法を公開

Thinking Machinesと共同で、専門家がラベル付けしたデータでオープンソースモデルをファインチューニング——最先端モデル最良値よりエラー率29.8%減、推論コストはわずか1/14
概要
  • Thinking Machines Labはブリッジウォーター（Bridgewater）傘下のAIA Labsと共同で、自社のファインチューニング基盤Tinkerを使い、金融情報の選別に特化したカスタムモデルを訓練した。
  • トップクラスの大規模モデル（Gemini、Claude、GPTシリーズ）にシンプルなプロンプトで6つの財経選別タスクをやらせたところ、平均正解率は約50%にとどまり、プロンプトを繰り返し最適化しても最高78.2%までしか届かず、投資家が求める80%の信頼ラインには依然として届かなかった。
  • 訓練データは当初非専門家によるラベル付けで、誤りが多かった。チームは「モデルの判断とラベルが食い違うサンプルだけを専門家に再確認させ、残りはそのまま使う」という仕組みを考案し、ラベリングコストを抑え込んだ。
  • オープンソースのQwen3-235Bをベースに、標準的なGRPO強化学習によるファインチューニングで正解率を73.48%まで引き上げ、さらにインターリーブ・バッチ訓練、CISPO非対称クリッピング損失、教師を動的に昇格させるオンポリシー蒸留を重ねて、最終的に84.66%まで到達した。
  • 最終モデルの正解率は84.7%で、テストした最良の最先端モデル（78.2%）よりエラー率が29.8%少なく、単一タスクあたりの推論コストは対応する最先端モデルのわずか1/13.8だった。
⚑ スタンス注記：本稿はThinking Machines Labとブリッジウォーター AIA Labsが共同発表した公式ブログであり、モデル・データ・比較結果はすべて発表元による自己評価で、使用データは同社内部データの公開サブセットである。以下の数字はすべて原文の基準に沿って転載している。
1投資マネージャーは一目で分かるのに、AIは当てずっぽう

投資マネージャーが一秒で判断できるニュースを、AIは当てずっぽうでしか判断できない

Thinking Machines Labはブリッジウォーター（Bridgewater）傘下のAIA Labsと共同でブログを発表し、自社のファインチューニング基盤Tinkerを使って金融情報選別モデルを訓練する手法とその結果を公開した。

自動化しようとしているのは投資リサーチレポートの執筆ではなく、投資マネージャーが毎日数え切れないほど繰り返す「情報の仕分け」——ニュース、リサーチレポート、企業文書、メールの中から本当に読む価値のある部分を選び出す作業だ。読むこと自体は難しくない。難しいのはこの一つひとつの身近な判断で、それが大量の時間を食っている。チームが見極めたかったのは、この仕事をモデルに任せられるかどうかだった。

結果を先に出すと——トップクラスの大規模モデルにそのままやらせると平均正解率は約50%で、コイン投げとほぼ同じ。一方このカスタム小型モデルは84.7%を達成し、推論コストは最先端モデルのわずか1/13.8だった。
◆
注目すべき理由：オープンソースのベースモデルをファインチューニングした小型モデルが、具体的な判断タスクにおいて最強の最先端大規模モデル（78.2%）のエラー率を29.8%下げ、同時に単一タスクあたりの推論コストをその1/13.8まで削り込んだ。勝ったのは「より賢い汎用モデル」ではなく、「一つの具体的な仕事のために専門調整された小型モデル」だった。
2自動化したい6つの小さな仕事

投資マネージャーが毎日こなしている6つの「小さな仕事」

この6つは投資マネージャーにとって本能的なもので、一秒で判断がつく。だが「なぜそう判断したのか」を説明しようとすると人間でも詰まってしまう——だからこそAIに教えるのが難しい。チームはこれらを一つずつ切り分けて評価した。