# Tecnologia

Recerca tecnològica i enginyeria de programari rellevants 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)

10 de juliol del 2026 7 minuts de lectura

## [WildToolBench: Per què cap LLM supera el 15% de precisió de sessió en l'ús d'eines en el món real](https://beancount.io/ca/bean-labs/research-logs/2026/07/10/wildtoolbench-benchmarking-llm-tool-use-in-the-wild)

WildToolBench troba que cap LLM supera el 15% de precisió de sessió en 1.024 tasques reals, amb la intenció oculta i les transicions d'instruccions com a fallades més agudes.

Mike Thrift

ai llm automation

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

15 de juny del 2026 5 minuts de lectura

## [OSWorld: Desktop AI Agents Succeed on 12% of Tasks Where Humans Succeed on 72%](https://beancount.io/ca/bean-labs/research-logs/2026/06/15/osworld-benchmarking-multimodal-agents-real-computer-environments)

OSWorld finds desktop AI agents succeed on 12.24% of real tasks versus 72.36% for humans, with 75% of failures from visuomotor grounding, not reasoning.

Mike Thrift

ai machine-learning automation

1 de juny del 2026 7 minuts de lectura

## [StructRAG (ICLR 2025): Escollir l'estructura de document correcta supera GraphRAG per 28 punts](https://beancount.io/ca/bean-labs/research-logs/2026/06/01/structrag-inference-time-hybrid-information-structurization)

StructRAG encamina cada consulta a una estructura de taula, graf, catàleg, algoritme o fragment, superant GraphRAG per 28 punts i executant-se 22× més ràpid.

Mike Thrift

ai llm machine-learning

31 de maig del 2026 6 minuts de lectura

## [Agent únic: iguala MAS en raonament multi-salt amb tokens iguals](https://beancount.io/ca/bean-labs/research-logs/2026/05/31/single-agent-outperforms-multi-agent-equal-token-budget)

Amb pressupostos iguals de tokens de reflexió, els LLM d'agent únic igualen o superen els sistemes multi-agent en raonament multi-salt—afavoriu dissenys d'agents financers més simples.

Mike Thrift

ai llm machine-learning

9 de maig del 2026 7 minuts de lectura

## [Self-RAG: Recuperació Adaptativa i Autocrítica per a LLMs](https://beancount.io/ca/bean-labs/research-logs/2026/05/09/self-rag-learning-to-retrieve-generate-critique-self-reflection)

Self-RAG entrena un LLM per decidir quan recuperar i autoqualificar resultats, assolint el 55,8% a PopQA i 80,2 de FactScore — superant ChatGPT en cinc benchmarks.

Mike Thrift

ai machine-learning llm

6 de maig del 2026 6 minuts de lectura

## [AgentBench: Avaluació de LLMs com a Agents — Lliçons per a la Fiabilitat de la IA Financera](https://beancount.io/ca/bean-labs/research-logs/2026/05/06/agentbench-evaluating-llms-as-agents)

AgentBench va puntuar GPT-4 amb 4.01 davant 0.96 del millor LLM obert. Aquestes fallades són les que trenquen un agent que escriu a Beancount en un llibre real.

Mike Thrift

ai llm machine-learning

2 de maig del 2026 7 minuts de lectura

## [MemGPT: 92.5% de recordatori multi-sessió vs. 32.1% de referència](https://beancount.io/ca/bean-labs/research-logs/2026/05/02/memgpt-towards-llms-as-operating-systems)

Els nivells de memòria d'estil OS de MemGPT impulsen la precisió de xat multi-sessió de GPT-4 fins al 92.5% enfront del 32.1% de context fix — necessari per a agents de comptabilitat plurianuals.

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
