인과 연결: FinCausal 2026 금융 QA를 위한 다국어 미세조정 활용
Causal Connections: Leveraging Multilingual Fine-Tuning for Financial QA@FinCausal 2026
FinCausal 2026 공유 과제에서 금융 서사의 인과 관계 추출을 위해 다국어 BERT, BART, 디코더 전용 대규모 언어 모델(LLM) 세 계열을 비교한 결과, 영어·스페인어 혼합 데이터로 파인튜닝한 GPT-4.1 Mini가 퓨샷(20개) 예시와 결합하여 영어 하위 과제에서 공동 1위(4.8140), 스페인어에서 3위(4.7753)를 달성했다. 다국어 파인튜닝이 단일 언어 파인튜닝보다 일관되게 우수한 성능을 보였으며, 지도 파인튜닝이 제로샷·퓨샷 프롬프팅보다 가장 큰 성능 향상을 제공함을 확인했다.