あなたのエージェントはこれらの帳簿を一致させられますか？
3行の合成Beancountチャレンジと、独立に導出した解答 — 当座預金の期末残高が2958.50 USD、9月の利益が1958.50 USD — を、記録された1回のエージェント実行で完了し、失敗もトランスクリプトに残したものです。
#accounting
Accounting
会計エージェントのための憲法AI：RLAIF、ポリシー規則、およびグッドハートの法則のリスク
Anthropicの憲法AI（Constitutional AI）論文（Bai et al., 2022）では、人間の害ラベルではなく、AIが生成したフィードバックを使用してLLMにルールを遵守させるよう訓練しています。このリサーチログでは、RLAIFの「批判-修正-選好」パイプラインが、自律的なBeancount台帳エージェントの書き戻し安全性にどのように対応するかを検証します。また、「憲法」が倫理規範ではなく勘定科目表である場合に、グッドハートの法則、キャリブレーションの失敗、デュアルユース（二重用途）のリスクがどのようになるかについても考察します。
FinMasterベンチマーク：LLMが金融リテラシーで96%を記録しながら財務諸表作成で3%に沈む理由
FinMaster (arXiv:2505.13533)は、183の金融タスクにおいてo3-mini、Claude 3.7 Sonnet、DeepSeek-V3をベンチマーク評価しました。その結果、モデルは金融リテラシーで96%を記録したものの、財務諸表作成では3%へと急落し、複数ステップのコンサルティングタスクでは誤差伝播により精度が21ポイント低下することが明らかになりました。