#developers
Developerbronnen, API's en integratiedocumentatie voor finance-tools
OpenHands' CodeAct-agent scoort 26% op SWE-Bench Lite en toont wat AI-agents vandaag betrouwbaar doen. Financie-automatisering moet nauw afgebakend beginnen, niet autonoom.
ShieldAgent bereikt 90,4% nauwkeurigheid bij agent-aanvallen met 64,7% minder API-calls door probabilistische regelcircuits te gebruiken in plaats van LLM-guardrails.
RAG haalt 0,875 nauwkeurigheid op feiten na afsluitdatum, terwijl fine-tuning stagneert op 0,504. Voor agents met frequente grootboekupdates wint retrieval.
Gorilla's Retriever-Aware Training verlaagt hallucinaties bij LLM-API's van 78% naar 11%, betrouwbaar genoeg voor finance-agents die boekingen schrijven.
SWE-agent's Agent-Computer Interfaces verhoogden GPT-4 Turbo van ruwe shell naar 12,47% op SWE-bench, een winst van 10,7 punten enkel door interfacedesign.
SWE-bench test taalmodellen op 2.294 echte GitHub-issues; bij publicatie loste Claude 2 slechts 1,96% op. Retrieval- en patchlengtelimieten vormen coding-agents.
Toolformer leert een 6,7B-model API's aanroepen via perplexiteitsfiltering en verslaat GPT-3 175B op rekenkunde. Het single-step ontwerp blokkeert geketende grootboekaanroepen.
