#decision-making
Decisioni basate sui dati con insight finanziari
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.
InvestorBench: Qwen2.5-72B guida il trading azionario con un CR del 46,15%; Palmyra-Fin ottimizzata per la finanza fallisce sulle azioni—le dimensioni superano il fine-tuning di dominio.
LATS unifica ReAct, Tree of Thoughts e Reflexion in un unico framework MCTS, raggiungendo il 92,7% di pass@1 su HumanEval con GPT-4.
Tree of Thoughts raggiunge il 74% su Game of 24 dove la catena di pensiero di GPT-4 ottiene il 4%, con ricerca e backtracking: un pattern utile agli agenti finanziari.
