#developers
Recursos per a desenvolupadors, API i documentació d'integració per a eines financeres
L'agent CodeAct d'OpenHands puntua un 26% a SWE-Bench Lite, mostrant què fan de fiable els agents d'IA avui. L'automatització financera hauria de començar acotada, no autònoma.
ShieldAgent assoleix un 90,4% de precisió en atacs d'agents amb un 64,7% menys de crides a l'API gràcies a circuits de regles probabilístics en lloc de guardrails LLM.
RAG assoleix 0,875 de precisió en fets posteriors al tall, mentre l'ajust fi s'estanca a 0,504. Per a agents amb actualitzacions freqüents del llibre, recuperar supera ajustar.
El Retriever-Aware Training de Gorilla baixa les al·lucinacions d'API dels LLM del 78% a l'11%, fent les crides prou fiables per a agents que escriuen assentaments.
Les interfícies agent-ordinador de SWE-agent van elevar GPT-4 Turbo de la consola bruta al 12,47% a SWE-bench, un guany de 10,7 punts només pel disseny de la interfície.
SWE-bench prova els models amb 2.294 problemes reals de GitHub; Claude 2 en resolia només l'1,96%. Els límits de recuperació i longitud dels pegats marquen els agents.
Toolformer ensenya un model de 6.7B a cridar APIs amb filtratge per perplexitat i supera GPT-3 175B en aritmètica. El seu disseny d'un sol pas bloqueja les crides encadenades.
