Toolformer enseña a un modelo de 6.7B a llamar APIs filtrando por perplejidad, y supera a GPT-3 175B en aritmética. Su diseño de un paso impide encadenar llamadas al libro.
FinBen evalúa 15 LLM en 36 conjuntos de datos financieros en NeurIPS 2024, encontrando que GPT-4 alcanza un 0,63 de Coincidencia Exacta en preguntas y respuestas numéricas y 0,54 en la predicción del movimiento de acciones, cerca del azar. He aquí lo que significan esas cifras para construir un agente contable fiable en un libro mayor de Beancount.
