# 小模型，大效果：用不到 500 美元训练一个金融智能体 — Charles Dickens，Snorkel AI

- 原标题：Small Models, Big Results: Training a Finance Agent for Under $500 — Charles Dickens, Snorkel AI
- 类型：讲座
- 来源：YouTube
- 发布时间：2026-10-10
- 首次精选：2026-11-02 01:09
- 分级：值得看
- 学习层级：深入
- 主题：[agent-evaluation-reliability](<https://oplearnx.com/md/topics/agent-evaluation-reliability.md>)（第 44 位）、[reinforcement-alignment](<https://oplearnx.com/md/topics/reinforcement-alignment.md>)（第 46 位）
- 原文链接：[https://youtube.com/watch?v=TyPpSRXGhbc](<https://youtube.com/watch?v=TyPpSRXGhbc>)
- 本站页面：[https://oplearnx.com/resources/pk\_6a8369e22104](<https://oplearnx.com/resources/pk_6a8369e22104>)

## 摘要

这是 Snorkel AI 研究科学家 Charles Dickens 的演讲，介绍 Snorkel 与 UC Berkeley Sky Computing Lab 如何用不到 500 美元训练一个 40 亿参数模型，在真实金融问题上超过 2350 亿参数的同类模型。内容包括：基于 SEC 10-K 文件构建并专家校验的 FinQA 金融问答数据集；前沿模型的失败模式，如编造表结构、塞爆自身上下文、重复失败策略；使用开源 rLLM 框架和简单通过/失败奖励做强化学习，使 Qwen3 4B 达到约 60%、对比 235B 的 51%；技能可迁移到更难的多表问题且未损害通用工具使用；以及更简单的训练数据和奖励效果最好、瓶颈在于有纪律的工具使用而非推理深度。适合对用小模型做领域后训练和强化学习感兴趣的读者观看。

## 原文涉及

- [GitHub - rllm-org/rllm: Democratizing Reinforcement Learning for LLMs](<https://github.com/rllm-org/rllm>)
- [rLLM/rLLM-FinQA-4B · Hugging Face](<https://huggingface.co/rLLM/rLLM-FinQA-4B>)
- [How Tool Discipline Let a 4B Model Outsmart a 235B Giant on Financial Tasks](<https://snorkel.ai/blog/how-tool-discipline-let-a-4b-model-outsmart-a-235b-giant-on-financial-tasks/>)

---
来源：LearnMap · 学径（https://oplearnx.com）