طورت شركة إنفيديا مسارة عمل تكرارية متقدمة لتوليد بيانات صناعية للأخبار المالية، مما يحل مشكلة التباين الشديد في البيانات الواقعية التي تهيمن عليها نتائج الأرباح وحركات الأسهم على حساب أحداث نادرة مثل تغيير التقييمات الائتمانية أو موافقات المنتجات. اعتمدت المنصة على نموذج Nemotron-3 Nano ذو الـ 30 مليار معلمة، مع دمج أدوات NeMo Data Designer وNeMo Curator ومكتبة الاستدعاء vLLM، وتعمل على عقدة واحدة من معالجات B200 المكونة من ثمانية وحدات معالجة رسومية. استمرت العملية لمدة ستة أيام حوسبة، وشملت 82 تكراراً لإنتاج 502,536 عنوان خبر مالي فريد موزعة على 13 فئة موضوعية. يركز التصميم على حل تكراري مغلق يجمع بين التوليد والترشيح والدقة الدلالية وإعادة الوزن الديناميكي للفئات. بعد كل دفعة توليد، تُطبق مرشحات قواعدية سريعة لاستبعاد المخرجات المعطوبة، تليها عملية استبعاد مزدوج عالمية باستخدام NeMo Curator وتجميعات الكسرينغ لتقليل التكرار. تعتمد الخوارزمية عتبة تشابه جيب التمام بنسبة 90 في المئة، مع اختيار أمثلة تعليمية قليلة بناءً على مبدأ البعد عن المركز في العناقيد الدلالية، ومنع تكرار الإشارات النصية بين التكرارات. كما تضمن خوارزمية تصحيح التوزيع الديناميكي تحقيق التوازن بين الفئات، حيث تم تعزيز الفئات النادرة لتقترب من النسب المستهدفة رغم ميل النموذج الطبيعي نحو الفئات الأسهل. أسفرت العملية عن تحسين ملحوظ في كفاءة التوليد. في المراحل الأولى، استُبعدت 65 في المئة من العناوين كمشابهة تقريباً، بينما استقرت نسبة العناوين الجديدة الفريدة على حوالي 15 في المئة مع توسع قاعدة البيانات، نتيجة تصادم المخرجات مع المخزون المتراكم بدلاً من التكرار الداخلي. أبقى النظام حالة التكرارات في نقاط تفتيش لاستعادة العمل وانسجامه مع أنظمة جدولة الحوسبة السحابية. يُعد هذا النهج حلاً عملياً لتمويل أبحاث التداول ونمذجة المخاطر والمراقبة، كما يمهّد الطريق لعمليات نقل المعرفة بين النماذج ودراسات معالجة اللغة الطبيعية المالية. وقد تم إصدار مجموعة البيانات والأدوات مفتوحة المصدر لتمكين الباحثين من إعادة إنتاج المسيرة أو تكييفها مع سير العمل المالي الخاص بهم، مما يضع معايير جديدة لتوليد البيانات عالية التنوع والكفاءة الحسابية في قطاع الذكاء الاصطناعي المالي.