#transaction-validation
Validació i verificació de transaccions financeres amb agents de models de llenguatge
LLMFinLiteracy troba que cinc models d'uns 7B escriuen transaccions Beancount correctes només un 2,3% de les vegades, fallant en raonament comptable més que en sintaxi.
GuardAgent aplica polítiques d'agents LLM executant codi Python: 98.7% de precisió sense fallades de tasca, davant el 81% i fins al 71% de fallades amb regles de prompt.
El debat multiagent guanyà 14,8 punts en aritmètica, però un sol agent amb el mateix pressupost l'iguala, cosa que limita el debat abans d'un assentament.
CRITIC millora el QA de domini obert en 7.7 F1 i redueix la toxicitat un 79.2% verificant les revisions del LLM contra eines externes, no contra si mateix.
