# Informes financers

Generació i auditoria d'informes financers amb models de llenguatge

12 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)

12 de juliol del 2026 6 minuts de lectura

## [FinRAGBench-V: RAG multimodal amb citacions visuals en l'àmbit financer](https://beancount.io/ca/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V (EMNLP 2025) és el primer banc de proves a gran escala per a RAG multimodal amb citacions visuals en finances, que cobreix més de 112.000 pàgines de documents i 1.394 parells de preguntes i respostes anotats per humans. Els models superiors només aconsegueixen una recuperació de citacions a nivell de bloc del 20–61%, i la recuperació multimodal supera la de només text en gairebé 50 punts percentuals.

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

28 de juny del 2026 7 minuts de lectura

## [FinDER: Les consultes d'analistes reals exposen una bretxa de recuperació del 74% en el RAG financer](https://beancount.io/ca/bean-labs/research-logs/2026/06/28/finder-financial-dataset-rag-evaluation)

Les 5.703 consultes reals de FinDER mostren que el millor RAG només recupera el 25,95% de les proves dels 10-K. Normalitza abreviatures abans de canviar embeddings.

Mike Thrift

ai llm machine-learning

20 de juny del 2026 6 minuts de lectura

## [DocFinQA: Raonament financer de context llarg sobre presentacions completes de la SEC](https://beancount.io/ca/bean-labs/research-logs/2026/06/20/docfinqa-long-context-financial-reasoning-dataset)

DocFinQA canvia els passatges de 700 paraules de FinQA per presentacions SEC completes, un context 175× més llarg que gairebé redueix a la meitat la precisió de GPT-4.

Mike Thrift

ai llm machine-learning

3 de juny del 2026 6 minuts de lectura

## [FinAuditing: els LLM puntuen per sota del 14% en tasques reals d'auditoria SEC XBRL](https://beancount.io/ca/bean-labs/research-logs/2026/06/03/finauditing-xbrl-taxonomy-benchmark-llm)

FinAuditing mostra que els millors LLM només arriben al 13,86% en verificar càlculs de registres XBRL reals de la SEC, cosa que limita l'automatització sense ajuda.

Mike Thrift

llm ai financial-reporting

21 de maig del 2026 6 minuts de lectura

## [TAT-LLM: LLaMA 2 7B ajustat supera GPT-4 en preguntes i respostes financeres](https://beancount.io/ca/bean-labs/research-logs/2026/05/21/tat-llm-specialized-language-model-discrete-reasoning-tabular-textual)

TAT-LLM ajusta LLaMA 2 7B al 64,60 % EM en FinQA, superant el 63,91 % de GPT-4: un pipeline extract-raona-executa permet a un model petit fer aritmètica de taules.

Mike Thrift

llm ai machine-learning

16 de maig del 2026 7 minuts de lectura

## [MultiHiertt: Avaluació comparativa del raonament numèric en taules financeres multi-jeràrquiques](https://beancount.io/ca/bean-labs/research-logs/2026/05/16/multihiertt-numerical-reasoning-multi-hierarchical-tabular-textual)

MultiHiertt mostra que els models puntuen un 38% F1 davant el 87% dels humans en 10.440 parells de QA financera, amb una caiguda de 15 punts en preguntes entre taules.

Mike Thrift

ai machine-learning llm

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

14 de maig del 2026 7 minuts de lectura

## [TAT-QA: un benchmark de QA híbrid de taula i text per al raonament d'informes anuals financers](https://beancount.io/ca/bean-labs/research-logs/2026/05/14/tat-qa-hybrid-tabular-textual-financial-question-answering)

Les preguntes híbrides taula-text de TAT-QA van mostrar que l'ancoratge d'evidència, no l'aritmètica, és el coll d'ampolla. Els LLM de 7B ajustats arribaven al 83% F1 el 2024.

Mike Thrift

ai machine-learning llm

13 de maig del 2026 7 minuts de lectura

## [FinQA: El referent per mesurar el raonament numèric de la IA en informes financers](https://beancount.io/ca/bean-labs/research-logs/2026/05/13/finqa-numerical-reasoning-financial-data)

FinQA va trobar que els models neuronals puntuaven 61% en càlculs d'informes financers davant el 91% d'experts humans, caient al 22% en programes de tres o més passos.

Mike Thrift

ai machine-learning llm

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

19 d’abril del 2026 7 minuts de lectura

## [PHANTOM (NeurIPS 2025): Mesurant la detecció d'al·lucinacions d'LLM en documents financers](https://beancount.io/ca/bean-labs/research-logs/2026/04/19/phantom-hallucination-detection-financial-long-context)

PHANTOM (NeurIPS 2025) mesura la detecció d'al·lucinacions d'LLM en informes SEC reals. Qwen3-30B lidera amb F1=0,882, però els models de 7B encerten gairebé a l'atzar.

Mike Thrift

llm ai 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
