# Detecció de frau

Detecció d'entrades anòmales o fraudulentes en dades financeres

7 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

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

25 de juny del 2026 7 minuts de lectura

## [CausalTAD: Ordenació Causal de Columnes per a la Detecció d'Anomalies Tabulars amb LLM](https://beancount.io/ca/bean-labs/research-logs/2026/06/25/causaltad-causal-knowledge-llm-tabular-anomaly-detection)

CausalTAD reordena les columnes de la taula per dependència causal abans de la serialització LLM, elevant l'AUC-ROC mitjà de 0,803 a 0,834 respecte a AnoLLM.

Mike Thrift

llm ai machine-learning

24 de juny del 2026 7 minuts de lectura

## [AnoLLM: Ajust finit d'LLMs per a la detecció d'anomalies tabulars en dades financeres](https://beancount.io/ca/bean-labs/research-logs/2026/06/24/anollm-llm-fine-tuning-tabular-anomaly-detection)

AnoLLM supera les bases clàssiques en frau de tipus mixt puntuant files amb la log-versemblança negativa d'un LLM, però no aporta cap avantatge en taules numèriques.

Mike Thrift

ai llm machine-learning

21 de juny del 2026 7 minuts de lectura

## [Detecció d'anomalies Zero-Shot amb LLMs: Com es comporta GPT-4 amb dades tabulars](https://beancount.io/ca/bean-labs/research-logs/2026/06/21/anomaly-detection-tabular-data-llms)

GPT-4 arriba a 74,1 AUROC mitjà en ODDS zero-shot, prop de la línia base ECOD de 75,5, però falla en dades d'alta variància. L'auditoria de llibres encara no està resolta.

Mike Thrift

ai llm fraud-detection

22 de maig del 2026 7 minuts de lectura

## [AuditCopilot: LLMs per a la detecció de frau en la comptabilitat de partida doble](https://beancount.io/ca/bean-labs/research-logs/2026/05/22/auditcopilot-llm-fraud-detection-double-entry-bookkeeping)

AuditCopilot redueix els falsos positius de frau en assentaments de 942 a 12, però l'ablació mostra que el LLM principalment sintetitza puntuacions d'Isolation Forest.

Mike Thrift

fraud-detection llm double-entry

20 d’abril del 2026 6 minuts de lectura

## [Prompting de Cadena de Pensament: Compromisos entre Precisió i Exhaustivitat per a la IA Financera](https://beancount.io/ca/bean-labs/research-logs/2026/04/20/chain-of-thought-prompting-reasoning-tradeoffs)

La cadena de pensament augmenta la precisió però pot reduir l'exhaustivitat en fets financers rars: els agents antifrau poden passar per alt anomalies que haurien de detectar.

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
