Marketingmanager
De hybride tabel-tekstvragen van TAT-QA toonden aan dat bewijsgrondslag, niet rekenwerk, de flessenhals is van finance-AI. Fijn afgestemde 7B-LLM's bereikten 83% F1 in 2024.
FinQA vond 61% voor neurale modellen op rekenwerk met financiële rapporten tegen 91% voor menselijke experts, dalend naar 22% bij drie of meer stappen.
FinanceBench test 16 AI-opstellingen op 10.231 echte SEC-documentvragen: RAG met gedeelde vector-store antwoordt slechts 19% correct, dus retrieval is niet de flessenhals.
DSPy's compiler verhoogde Llama2-13b van 9,4% naar 46,9% op GSM8K, wat finance-AI-pipelines richting onderhoudbare declaratieve LLM-aanroepen wijst.
LATS verenigt ReAct, Tree of Thoughts en Reflexion in één MCTS-raamwerk en behaalt 92,7% pass@1 op HumanEval met GPT-4.
Self-RAG traint een LLM om te beslissen wanneer te retrieven en resultaten zelf te beoordelen, met 55,8% op PopQA en 80,2 FactScore — beter dan ChatGPT op vijf benchmarks.
Voyager's aanhoudende codevaardigheidsbibliotheek ontdekt 3,3× meer Minecraft-items dan eerdere SOTA zonder fine-tuning—het hergebruikpatroon dat ledger-agenten nodig hebben.
HippoRAG's OpenIE+PageRank-geheugen haalt 89,1% Recall@5 op 2WikiMultiHopQA versus 68,2% ColBERTv2—padbewuste retrieval voor meerjarige grootboeken.
AgentBench scoorde GPT-4 op 4,01 versus 0,96 voor de beste open-source LLM. Die falingen zijn precies wat een Beancount write-back-agent op een live grootboek breekt.
BloombergGPT getraind op 569B financiële tokens, toch evenaarde GPT-4 het zonder financiële pretraining. Voor accounting-agents verslaat toolgebruik de modelinternals.
De twee-agentgesprekken van AutoGen verhogen de MATH-nauwkeurigheid van 55% naar 69%, en de SafeGuard-agent voegt tot 35 F1-punten toe bij het detecteren van onveilige code.
Gorilla's Retriever-Aware Training verlaagt hallucinaties bij LLM-API's van 78% naar 11%, betrouwbaar genoeg voor finance-agents die boekingen schrijven.
