#developers
Entwicklerressourcen, APIs und Integrationsdokumentation für Finanztools
OpenHands' CodeAct-Agent erreicht 26% im SWE-Bench Lite und zeigt, was KI-Agenten heute zuverlässig leisten. Finanzautomatisierung sollte eng begrenzt starten, nicht autonom.
ShieldAgent erreicht 90,4 % Genauigkeit bei Agenten-Angriffen mit 64,7 % weniger API-Aufrufen durch probabilistische Regelkreise statt LLM-Guardrails.
RAG erreicht 0.875 Genauigkeit bei Fakten nach dem Cutoff, während Fine-Tuning bei 0.504 stagniert. Für Agenten mit häufigen Ledger-Updates schlägt Retrieval das Fine-Tuning.
Gorillas Retriever-Aware Training senkt die LLM-API-Halluzinationsrate von 78% auf 11% und macht Tool-Aufrufe zuverlässig genug für Finanz-Agenten, die Buchungen schreiben.
SWE-agents Agent-Computer Interfaces hoben GPT-4 Turbo von roher Shell auf 12,47% bei SWE-bench, ein Zugewinn von 10,7 Punkten allein durch Interface-Design.
SWE-bench testet Sprachmodelle an 2.294 echten GitHub-Issues; bei Veröffentlichung löste Claude 2 nur 1,96%. Retrieval- und Patch-Längenlimits prägen Coding-Agenten.
Toolformer lehrt ein 6,7B-Modell, APIs per Perplexitätsfilterung aufzurufen, und schlägt GPT-3 175B in Arithmetik. Das Einzelschritt-Design blockiert verkettete Ledger-Aufrufe.
