Архив

2026​

• 15 април - FinBen: Сравнителен анализ на LLM в 36 финансови задачи — последици за изкуствения интелект в счетоводството
• 16 април - Toolformer: Самообучено използване на инструменти и неговите ограничения за финансовия ИИ
• 17 април - ReAct: Синергия между разсъждение и действие при езиковите модели
• 18 април - FinMaster Benchmark: Защо големите езикови модели (LLM) постигат 96% при финансова грамотност, но само 3% при генериране на отчети
• 19 април - PHANTOM (NeurIPS 2025): Измерване на откриването на халюцинации при LLM във финансови документи
• 20 април - Верига от мисли (Chain-of-Thought): Компромиси между точност и пълнота за ИИ във финансите
• 21 април - Конституционен ИИ за счетоводни агенти: RLAIF, политически правила и рискове от типа „Гуудхарт“
• 22 април - Могат ли LLM да разсъждават върху таблични данни? Какво ни казват четири бенчмарка за финансовия ИИ
• 23 април - PAL: Програмно подпомагани езикови модели за надеждна финансова аритметика
• 24 април - Себесъгласуваност: Изборът чрез мнозинство повишава точността на веригата от мисли
• 25 април - Reflexion: Езикови агенти, които се учат от грешките си без преобучение
• 26 април - CRITIC: Защо самокорекцията на LLM изисква обратна връзка от външни инструменти
• 27 април - Дърво на мислите: Съзнателно решаване на проблеми с търсене чрез големи езикови модели
• 28 април - LLM все още не могат да коригират сами логическите си разсъждения — изводи от ICLR 2024 и последици за финансовия ИИ
• 29 април - CodeAct: Защо изпълнимият Python код прави LLM агентите с 20% по-точни
• 30 април - SWE-bench: Могат ли езиковите модели да разрешават реални проблеми в GitHub?
• 1 май - SWE-agent: Как дизайнът на интерфейса отключва автоматизираното софтуерно инженерство
• 2 май - MemGPT: Управление на виртуален контекст за LLM агенти
• 3 май - Gorilla: Как обучението с отчитане на извличането намалява халюцинациите в LLM API от 78% на 11%
• 4 май - AutoGen: Многоагентни рамки за разговори за финансов ИИ
• 5 май - BloombergGPT и границите на специализираните LLM в областта на финансите
• 6 май - AgentBench: Оценяване на LLM като агенти — уроци за надеждността на ИИ във финансите
• 7 май - HippoRAG: Невробиологично вдъхновена дългосрочна памет за LLMs
• 8 май - Voyager: Библиотеки от умения като основа за учене през целия живот на AI агенти
• 9 май - Self-RAG: Адаптивно извличане и самокритика за големи езикови модели (LLMs)
• 10 май - LATS: Language Agent Tree Search — Разсъждение, действие и планиране в една рамка
• 11 май - DSPy: Замяна на нестабилното проектиране на инструкции с компилирани LLM конвейери
• 12 май - FinanceBench: Защо RAG с векторно хранилище се проваля при реални финансови документи
• 13 май - FinQA: Бенчмаркът за измерване на численото мислене на ИИ върху финансови отчети
• 14 май - TAT-QA: Хибриден бенчмарк за въпроси и отговори върху таблици и текст за логически разсъждения върху финансови годишни отчети
• 15 май - ConvFinQA: Многократни финансови въпроси и отговори и 21-точковата разлика между моделите и човешките експерти
• 16 май - MultiHiertt: Тестване на числено разсъждение върху многостепенни йерархични финансови таблици
• 17 май - Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
• 18 май - FLARE: Активно извличане с добавена генерация
• 19 май - IRCoT: Преплитане на извличане с верига от мисли за многоетапно търсене на отговори
• 20 май - Фино донастройване срещу RAG: Защо извличането печели при вграждането на нови знания в LLM
• 21 май - TAT-LLM: Фино настроена LLaMA 2 за дискретно разсъждение върху финансови таблици и текст
• 22 май - AuditCopilot: LLM за откриване на измами при двустранно счетоводство
• 23 май - LLM моделите не са полезни за прогнозиране на времеви редове: Какво означава NeurIPS 2024 за финансовия ИИ
• 24 май - Дебат между мултиагентни LLM: Реални ползи в точността, неконтролирани изчисления и колективна заблуда
• 25 май - GuardAgent: Детерминистично прилагане на безопасността за LLM агенти чрез изпълнение на код
• 26 май - Fusion-in-Decoder: Как извличането от множество пасажи подобрява генеративните системи за въпроси и отговори
• 27 май - Atlas: Съвместно предварително обучение на Retriever-Reader превъзхожда LLM с 540 милиарда параметри само с 11 милиарда параметри
• 28 май - ShieldAgent: Проверимо аргументиране на политики за безопасност за LLM агенти
• 29 май - AGrail: Адаптивни защитни механизми за LLM агенти, които учат чрез задачите
• 30 май - M3MAD-Bench: Наистина ли са ефективни дебатите между множество агенти в различни области и модалности?
• 31 май - Едноагентните LLM превъзхождат многоагентните системи при многостъпкови разсъждения при равни бюджети от токени за мислене
• 1 юни - StructRAG (ICLR 2025): Изборът на правилната структура на документа побеждава GraphRAG с 28 точки
• 2 юни - InvestorBench: Бенчмаркинг на LLM агенти за вземане на решения при финансова търговия
• 3 юни - FinAuditing: LLM постигат под 14% резултат при реални задачи за одит на SEC XBRL
• 4 юни - GraphRAG: От локално към глобално обобщаване, фокусирано върху заявки
• 5 юни - Проверимо безопасно използване на инструменти от LLM агенти: STPA среща MCP
• 6 юни - BIRD Бенчмарк: Разликата в реалните бази данни при LLM Text-to-SQL
• 7 юни - DIN-SQL: Декомпозирано контекстно обучение за текст-към-SQL
• 8 юни - MAC-SQL: Многоагентно сътрудничество за Text-to-SQL
• 9 юни - TAPAS: Слабо контролирано таблично QA без SQL и какво означава това за Beancount
• 10 юни - TableLlama: Може ли отворен модел със 7B параметри да се мери с GPT-4 в разбирането на таблици?
• 11 юни - Chain-of-Table: Еволюиращи таблици във веригата от разсъждения на LLM
• 12 юни - τ-bench: Измерване на надеждността на AI агентите в реални домейни с използване на инструменти
• 13 юни - WorkArena: Как се справят LLM уеб агентите с реална корпоративна интелектуална работа
• 14 юни - WebArena: Бенчмаркът с 812 задачи, който измерва какво всъщност могат и не могат да правят уеб агентите
• 15 юни - OSWorld: Настолните AI агенти успяват в 12% от задачите, докато хората постигат 72%
• 16 юни - GAIA Benchmark: Измерване на това, което граничните AI агенти всъщност могат да правят
• 17 юни - WorkArena++: Разликата от 93% между представянето на хората и ИИ агентите при сложни корпоративни задачи
• 18 юни - τ²-bench: Измерване на цената на двойния контрол при разговорните AI агенти
• 19 юни - TheAgentCompany: Тестване на LLM агенти върху реални корпоративни задачи
• 20 юни - DocFinQA: Финансови разсъждения в дълъг контекст върху пълни SEC отчети
• 21 юни - Откриване на аномалии без обучение (Zero-Shot) с LLM: Как се справя GPT-4 с таблични данни
• 22 юни - TableMaster: Адаптивно разсъждение за разбиране на таблици с LLMs
• 23 юни - LLM постигат 2,3% при генериране на Beancount DSL: Бенчмаркът LLMFinLiteracy
• 24 юни - AnoLLM: Фина настройка на LLM за откриване на таблични аномалии във финансови данни
• 25 юни - CausalTAD: Каузално подреждане на колони за откриване на аномалии в таблични данни чрез LLM
• 26 юни - AD-LLM бенчмарк: GPT-4o постига 0.93+ AUROC при zero-shot откриване на аномалии в текст
• 27 юни - Изгубени по средата: Позиционно отклонение в големите езикови модели (LLM) и неговото въздействие върху финансовия ИИ
• 28 юни - FinDER: Реални запитвания от анализатори разкриват 74% пропуск в пълнотата при финансовия RAG
• 29 юни - Fin-RATE: Как големите езикови модели (LLM) се провалят при междупериодния и междуфирмения финансов анализ
• 30 юни - OpenHands: Отворена платформа за AI софтуерни агенти и какво означава тя за автоматизацията на финансите
• 1 юли - Отлагане с отчитане на неопределеността за LLM агенти: Кога да се ескалира от малки към големи модели
• 2 юли - Открити в средата: Калибрирането на позиционното отклонение на вниманието подобрява RAG с дълъг контекст
• 3 юли - Обзор на откриването на аномалии с LLM (NAACL 2025): Силна таксономия, липса на обхват при табличните данни
• 4 юли - OmniEval: Всепосочен бенчмарк за оценка на RAG във финансовата сфера
• 5 юли - FinToolBench: Оценяване на LLM агенти при използване на финансови инструменти в реалния свят
• 6 юли - FinTrace: Оценка на ниво траектория при извикване на инструменти от LLM за финансови задачи
• 7 юли - FinMCP-Bench: Сравнителен анализ на LLM агенти за реално използване на финансови инструменти под MCP
• 8 юли - JSONSchemaBench: Сложността на реалните схеми нарушава гаранциите за структуриран изход при LLM
• 9 юли - Доверие и калибриране на LLM: Обзор на това, което изследванията всъщност показват
• 10 юли - WildToolBench: Защо нито един LLM не надвишава 15% точност на сесиите при използване на инструменти в реалния свят
• 11 юли - Могат ли LLM агентите да бъдат финансови директори? 132-месечната симулация на EnterpriseArena разкрива голяма пропаст
• 12 юли - FinRAGBench-V: Мултимодален RAG с визуални цитати във финансовата област