针对金融自然语言处理领域面临的真实数据稀缺与类别失衡问题，NVIDIA研究团队近日推出一套基于NeMo框架的迭代式合成数据生成管线。该方案旨在解决财报与股价异动数据过度集中，而信用评级、并购审批等低频事件数据匮乏的痛点，为量化交易、风险建模及模型蒸馏提供高质量语料。 该管线整合了NeMo Data Designer结构化生成、NeMo Curator全局语义去重及Nemotron大模型的高吞吐合成能力。系统运行于单台八路NVIDIA B200节点，采用生成、过滤、全局去重、远心中心少样本筛选及动态类别权重校正的闭环流程。针对单次批量生成易产生命题重复的难题，管线引入全局相似度比对与动态调参机制，有效引导模型向新颖语义空间探索。 经82轮迭代，系统在约六天算力周期内成功产出50.2万条涵盖13个金融主题的唯一标题。实验表明，全局去重策略使后期新颖内容获取率稳定在百分之十五左右，显著改善稀缺类别覆盖率。目前管线逻辑与开源数据集已全面公开，为金融AI研发提供了可复现的合成数据基础设施，将有力推动垂直领域大模型微调与算法优化。