# Analítica

Tècniques i mètriques d'anàlisi de dades per a sistemes d'IA financera

8 entrades [Veure totes les etiquetes](https://beancount.io/ca/bean-labs/research-logs/tags) [Retorna a Totes les Publicacions](https://beancount.io/ca/bean-labs/research-logs)

3 de juliol del 2026 6 minuts de lectura

## [Enquesta sobre detecció d'anomalies amb LLM (NAACL 2025): taxonomia forta, cobertura tabular absent](https://beancount.io/ca/bean-labs/research-logs/2026/07/03/llm-anomaly-ood-detection-survey)

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.

Mike Thrift

ai llm machine-learning

29 de juny del 2026 7 minuts de lectura

## [Fin-RATE: Com els LLM fallen en l'anàlisi financera entre períodes i entre entitats](https://beancount.io/ca/bean-labs/research-logs/2026/06/29/fin-rate-real-world-financial-analytics-tracking-evaluation-benchmark)

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.

Mike Thrift

llm ai machine-learning

27 de juny del 2026 6 minuts de lectura

## [Perduts pel mig: el biaix de posició en els LLM i el seu impacte en la IA financera](https://beancount.io/ca/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

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.

Mike Thrift

llm ai machine-learning

26 de juny del 2026 7 minuts de lectura

## [Benchmark AD-LLM: GPT-4o assoleix un AUROC de 0,93+ en detecció d'anomalies de text zero-shot](https://beancount.io/ca/bean-labs/research-logs/2026/06/26/ad-llm-benchmarking-llms-anomaly-detection)

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.

Mike Thrift

llm ai machine-learning

12 de juny del 2026 7 minuts de lectura

## [τ-bench: Mesurant la fiabilitat dels agents d'IA en dominis d'ús d'eines del món real](https://beancount.io/ca/bean-labs/research-logs/2026/06/12/tau-bench-tool-agent-user-interaction-real-world-domains)

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.

Mike Thrift

ai llm machine-learning

15 de maig del 2026 7 minuts de lectura

## [ConvFinQA: els models van 21 punts per darrere dels experts (68,9%)](https://beancount.io/ca/bean-labs/research-logs/2026/05/15/convfinqa-chain-numerical-reasoning-conversational-finance-qa)

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.

Mike Thrift

ai llm machine-learning

12 de maig del 2026 6 minuts de lectura

## [FinanceBench: Per què el RAG de magatzem de vectors falla en documents financers reals](https://beancount.io/ca/bean-labs/research-logs/2026/05/12/financebench-open-book-financial-qa-benchmark)

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.

Mike Thrift

ai llm machine-learning

24 d’abril del 2026 5 minuts de lectura

## [Auto-consistència: el mostreig per vot majoritari millora la precisió de la cadena de pensament](https://beancount.io/ca/bean-labs/research-logs/2026/04/24/self-consistency-chain-of-thought)

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.

Mike Thrift

ai llm machine-learning

[Comença gratis→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Documentació](https://beancount.io/ca/docs)

## Where to look next

- [Sitemap](https://beancount.io/sitemap.xml) - all pages with hreflang alternates
- [LLMs index](https://beancount.io/llms.txt) - curated links for AI agents (also /llms-full.txt for full docs)
- [Documentation](https://beancount.io/docs) - every doc is also available as text/markdown via .md suffix or Accept negotiation
- [REST API reference](https://beancount.io/docs/api-reference) - interactive endpoints, schemas, authentication, and code samples
- [OpenAPI spec](https://beancount.io/openapi.json) - OpenAPI 3.1 spec for this website's public content endpoints; the product contract for ledger operations is at https://beancount.io/api-gateway/v1/openapi.json
- [GraphQL](https://beancount.io/graphql) - public, read-only content API over the blog and research logs (no credentials, no ledger data): 12 query fields over 23 types
- [MCP server](https://beancount.io/mcp) - Model Context Protocol at https://beancount.io/api-gateway/mcp
