آیا عاملهای LLM میتوانند مدیر مالی باشند؟ شبیهسازی ۱۳۲ ماهه EnterpriseArena شکاف بزرگی را فاش میکند
تنها Qwen3.5-9B از ۸۰٪ از ۱۳۲ اجرای CFO در EnterpriseArena جان سالم به در میبرد، در حالی که GPT-5.4 و DeepSeek-V3.1 به ۰٪ میرسند. نادیدهگرفتن تطبیق دفتر عامل شکست است.