#analytics
Tècniques i mètriques d'anàlisi de dades per a sistemes d'IA financera
La taxonomia de NAACL 2025 es manté, però falta cobertura tabular. Els equips d'IA financera han d'adaptar ells mateixos els mètodes de models de visió.
Fin-RATE mostra que la precisió dels LLM cau un 18,60% en seguiment longitudinal, amb la canalització de recuperació, no el model, com el coll d'ampolla limitant.
Els LLM puntuen fins a 20 punts pitjor quan la resposta és al mig del context, així que el RAG financer hauria de posar els millors passatges al principi o al final.
AD-LLM troba que GPT-4o assoleix 0,93–0,99 AUROC zero-shot en detecció d'anomalies de text, però la selecció de model LLM no és fiable per a auditoria financera.
τ-bench troba que els millors LLM baixen de pass@1 0,692 a pass@4 0,462 en tasques d'eines de venda al detall. Els agents d'escriptura afronten el mateix precipici.
El millor model de ConvFinQA obté un 68,9% de precisió d'execució enfront del 89,4% dels experts humans: una bretxa de 21 punts que el xat comptable multi-torn encara ha d'afrontar.
FinanceBench prova 16 configuracions d'IA amb 10.231 preguntes reals de la SEC: el RAG amb vector-store compartit encerta el 19%, la recuperació no és el coll d'ampolla.
L'autoconsistència vota per majoria molts camins de raonament mostrejats en lloc d'una sola descodificació voraç, afegint 17.9 punts a GSM8K sense entrenament extra.
