Fusion-in-Decoder: Come il Recupero Multi-Passaggio Migliora la QA Generativa
FiD codifica separatamente i passaggi recuperati e li fonde nel decoder, battendo RAG-Sequence di 4–11 punti su NQ e TriviaQA, la sintesi che serve al QA contabile.
Mike Thrift
Responsabile marketing
GuardAgent: Applicazione Deterministica della Sicurezza per Agenti LLM tramite Esecuzione di Codice
GuardAgent applica le policy degli agenti LLM eseguendo codice Python: 98,7% di accuratezza senza task falliti, contro l'81% e fino al 71% di errori con le regole nei prompt.
Dibattito Multiagente con LLM: Veri Guadagni di Accuratezza, Calcolo Incontrollato e Delirio Collettivo
Un'analisi approfondita del paper di Du et al. su ICML 2024 sul dibattito multiagente — che riporta guadagni di accuratezza del 14,8% su operazioni aritmetiche — insieme alle confutazioni del 2025 che mostrano come agenti singoli con pari budget eguaglino le performance del dibattito, e un'analisi del perché il Delirio Collettivo (65% dei fallimenti del dibattito) rappresenti un rischio specifico per le registrazioni contabili assistite da IA.
I LLM non sono utili per il forecasting di serie temporali: cosa significa NeurIPS 2024 per la finanza AI
Ablation NeurIPS 2024: rimuovere l'LLM da Time-LLM e CALF migliora la precisione, con un addestramento fino a 1.383× più veloce. Per l'AI finanziaria servono modelli dedicati.
AuditCopilot: LLM per il Rilevamento di Frodi nella Contabilità in Partita Doppia
AuditCopilot riduce i falsi positivi nella frode sulle scritture contabili da 942 a 12, ma l'ablation mostra che l'LLM sintetizza soprattutto i punteggi di Isolation Forest.
TAT-LLM: LLaMA 2 7B batte GPT-4 sul QA finanziario
TAT-LLM porta LLaMA 2 7B al 64,60% di EM su FinQA, superando il 63,91% di GPT-4: una pipeline estrai-ragiona-esegui fa fare aritmetica sulle tabelle a un modello piccolo.
Fine-Tuning vs. RAG: Perché il Recupero Vince per Iniettare Nuova Conoscenza negli LLM
RAG raggiunge 0,875 di accuratezza su fatti post-cutoff, il fine-tuning si ferma a 0,504. Per agenti con frequenti aggiornamenti contabili, il retrieval vince.
IRCoT: Intercalare il Recupero con il Chain-of-Thought per QA Multi-Fase
IRCoT aggiunge +11,3 di richiamo e +7,1 F1 su HotpotQA rispetto al RAG a un passo, interrogando il retrieval a ogni passo di ragionamento.
FLARE: Generazione Aumentata con Recupero Attivo
FLARE raggiunge 51,0 EM su 2WikiMultihopQA contro 39,4 del RAG a recupero singolo, ma i fallimenti di calibrazione nei modelli chat lo limitano per gli agenti finanziari.
RAG: 44.5 EM su NQ — e perché gli indici dei libri contabili diventano obsoleti
Lewis et al. raggiungono 44.5 EM su Natural Questions con un indice FAISS congelato; per i libri contabili Beancount ciò significa reindicizzare o perdere dati quando i saldi cambiano ogni giorno.
MultiHiertt: Benchmarking del Ragionamento Numerico su Tabelle Finanziarie Multi-Gerarchiche
MultiHiertt mostra che i modelli ottengono il 38% di F1 contro l'87% degli umani su 10.440 coppie di QA finanziarie, con un calo di 15 punti sulle domande cross-table.
ConvFinQA: i modelli restano indietro rispetto agli esperti di 21 punti (68,9%)
Il miglior modello di ConvFinQA ottiene un'accuratezza di esecuzione del 68,9% contro l'89,4% degli esperti umani: un divario di 21 punti che la chat di contabilità multi-turno deve ancora colmare.