Nemotron-SpecializedDomains-Finance هو مجموعة بيانات ضخمة للأسئلة والأجوبة المالية الاصطناعية، أصدرتها NVIDIA في عام 2025، وقد نُشرت النتائج البحثية ذات الصلة في «GenSelect: A Generative Approach to Best-of-N». تهدف هذه المجموعة إلى تحسين أداء نماذج اللغة الكبيرة في مهام الاستدلال المالي المتخصص وفهم الوثائق.

تحتوي مجموعة البيانات على 326,698 زوجًا عالي الجودة من الأسئلة والأجوبة، مشتقة من إيداعات هيئة الأوراق المالية والبورصات الأمريكية (SEC) (التقارير السنوية 10-K والتقارير الفصلية 10-Q) للشركات المكونة لمؤشر ستاندرد آند بورز 500 بين عامي 2019 و2024. تعتمد مجموعة البيانات على طريقة توليد البيانات الاصطناعية (SDG) القائمة على القوالب، مع استخدام تقنية التصفية GenSelect، مما يضمن ربط جميع الأسئلة والأجوبة بأقسام محددة ضمن الوثائق التنظيمية الحقيقية، وتغطي مجالات متعددة تشمل التمويل المؤسسي، وعوامل المخاطر، والأداء المالي، والحوكمة، والامتثال. تم تنسيق البيانات مسبقًا بهيكل حواري (system/user/assistant)، وهي مصممة خصيصًا للضبط الدقيق تحت الإشراف (SFT)، ومناسبة لتطوير تطبيقات مثل المساعدين الماليين، وتحليل الامتثال، وأبحاث الاستثمار.

تكوين مجموعة البيانات

تتضمن مجموعة البيانات فقط تقسيم التدريب (train)، ويحتوي كل عينة على الحقول التالية:

• messages: مصفوفة لهيكل حواري قائم على الأدوار، تتضمن رسائل system (فارغة في هذه المجموعة)، وuser (تحتوي على سياق الوثيقة المالية والسؤال)، وassistant (تحتوي على عملية الاستدلال والإجابة).
• metadata: يتضمن معرّفًا فريدًا (UUID) ومعرّف نموذج توليد البيانات الاصطناعية المستخدم (مثل "openai/gpt-oss-120b").