Instruction Finetuning Llama3-8B Model Using LoRA for Financial Named Entity Recognition
创建于 更新于
摘要
本文提出将指令微调与LoRA参数高效适配相结合，针对财务文本进行命名实体识别：在1693条句子构成的数据集上训练指令-输入-输出三元组，并仅微调注意力层的低秩矩阵以节省资源；模型在微平均F1上达到0.894，显著优于多种基线模型，证明了该方法在小规模领域数据上的有效性 [page::0][page::5][page::6]
