LLMエージェントはCFOになれるのか？EnterpriseArenaによる132ヶ月のシミュレーションで明らかになった大きな格差
EnterpriseArenaの132ヶ月CFO実行で80%生き残ったのはQwen3.5-9Bのみ。GPT-5.4とDeepSeek-V3.1は0%だった。台帳照合の省略が失敗の原因だ。
#forecasting
予測
InvestorBench: Qwen2.5-72B が株式で最高の46.15% CRを達成
InvestorBench: Qwen2.5-72B が株式取引で46.15% CRをリード。金融特化の Palmyra-Fin は株式では逆効果——規模がドメイン特化に勝る。
LLMは時系列予測には役に立たない：NeurIPS 2024が金融AIにもたらす意味
NeurIPS 2024アブレーション：Time-LLMとCALFからLLMを除くと精度が向上し、訓練は最大1,383倍高速化する。金融AIには専用モデルを使うべきだ。
FinBen: 36の財務タスクにおけるLLMのベンチマーク — 会計AIへの示唆
FinBenはGPT-4がFinQAで完全一致0.63、株価予測で0.54とほぼランダムであることを発見。会計エージェントには生のLLM計算ではなく検証が必要です。