#transaction-validation
Validación y verificación de transacciones financieras mediante agentes de modelos de lenguaje
LLMFinLiteracy halla que cinco modelos de ~7B escriben transacciones Beancount correctas solo el 2,3% de las veces, fallando en razonamiento contable, no en sintaxis.
GuardAgent aplica políticas de agentes LLM ejecutando código Python, con 98.7% de exactitud y sin fallos de tarea, frente a 81% y hasta 71% de fallos con reglas en el prompt.
El debate multiagente ganó 14.8 puntos en aritmética, pero agentes únicos con igual presupuesto lo igualan. Eso limita el debate como verificación segura antes de un asiento.
CRITIC eleva el QA de dominio abierto en 7.7 F1 y reduce la toxicidad 79.2% al verificar las revisiones del LLM contra herramientas externas, no contra sí mismo.
