Responsabile marketing
ReDAct passa da un modello piccolo a uno grande solo quando la perplessità segnala incertezza, tagliando i costi del 64% a pari accuratezza per i flussi di lavoro degli agenti.
L'agente CodeAct di OpenHands segna il 26% su SWE-Bench Lite, mostrando cosa fanno gli agenti IA oggi. L'automazione finanziaria va limitata, non autonoma.
Fin-RATE mostra che l'accuratezza degli LLM crolla al 18,60% sul monitoraggio longitudinale, con la pipeline di retrieval, non il modello, come collo di bottiglia.
Le 5.703 query reali di analisti di FinDER mostrano che la miglior RAG recupera solo il 25,95% dell'evidenza dai 10-K. Normalizza prima le abbreviazioni.
Gli LLM ottengono fino a 20 punti in meno quando la risposta è a metà contesto: le pipeline RAG finanziarie dovrebbero mettere i passaggi migliori all'inizio o alla fine.
AD-LLM rileva che GPT-4o raggiunge 0,93–0,99 AUROC zero-shot per anomalie testuali, ma la scelta del modello LLM resta inaffidabile per l'AI di revisione finanziaria.
CausalTAD riordina le colonne delle tabelle secondo la dipendenza causale prima della serializzazione LLM, portando l'AUC-ROC medio da 0,803 a 0,834 rispetto ad AnoLLM.
AnoLLM batte i baseline classici su dati frode a tipi misti valutando le righe con la log-verosimiglianza negativa LLM, ma non aggiunge vantaggi su tabelle numeriche.
LLMFinLiteracy rileva che cinque modelli da ~7B scrivono transazioni Beancount corrette solo nel 2,3% dei casi, fallendo sul ragionamento contabile.
TableMaster raggiunge il 78,13% su WikiTQ con GPT-4o-mini, 13 punti sopra Chain-of-Table, tramite table-of-focus e ragionamento adattivo per agenti su registri Beancount.
GPT-4 raggiunge 74,1 AUROC medio su ODDS zero-shot, vicino alla baseline ECOD di 75,5, ma fallisce su dati ad alta varianza. L'audit dei registri non è ancora risolto.
DocFinQA sostituisce i passaggi di 700 parole di FinQA con documenti SEC interi, un contesto 175 volte più lungo che quasi dimezza l'accuratezza di GPT-4 sui documenti lunghi.
