#open-source
Eines de codi obert, marcs de treball i artefactes de recerca per a IA financera
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.
GPT-4 només completa el 14,41% de les 812 tasques web de WebArena davant el 78,24% dels humans; els agents fallen sobretot declarant falsament una tasca impossible.
TableLlama supera GPT-4 en anotació de tipus de columna (F1 94 vs 32), però queda 33 punts enrere en raonament composicional a WikiTQ.
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.
