# Financiën

Financieel onderzoek, analyse en domeinkennis voor accounting-AI

35 berichten [Bekijk alle tags](https://beancount.io/nl/bean-labs/research-logs/tags) [Terug naar Alle Berichten](https://beancount.io/nl/bean-labs/research-logs)

12 juli 2026 6 min leestijd

## [FinRAGBench-V: Multimodale RAG met visuele citaten in het financiële domein](https://beancount.io/nl/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V vindt dat topmodellen slechts 20–61% block-level citatie-recall halen op financiële pagina's. Multimodale retrieval verslaat tekst-only met bijna 50 punten.

Mike Thrift

ai llm machine-learning

9 juli 2026 6 min leestijd

## [LLM-betrouwbaarheid en -kalibratie: Een overzicht van wat het onderzoek daadwerkelijk aantoont](https://beancount.io/nl/bean-labs/research-logs/2026/07/09/confidence-estimation-calibration-llms-survey)

Verbalized GPT-4-vertrouwen haalt slechts \~62,7% AUROC, nauwelijks boven toeval. Onzekerheidsbewuste finance-agenten hebben betere kalibratie nodig dan dat.

Mike Thrift

llm ai machine-learning

6 juli 2026 6 min leestijd

## [FinTrace: Evaluatie op trajectniveau van LLM tool-aanroepen voor financiële taken](https://beancount.io/nl/bean-labs/research-logs/2026/07/06/fintrace-trajectory-level-evaluation-llm-tool-calling-financial-tasks)

FinTrace toont dat frontier-LLM's de juiste financiële tools kiezen (F1 \~0,9) maar slechts 3,23/5 scoren op het gebruik van de resultaten, de stap die write-back-agents breekt.

Mike Thrift

llm ai finance

4 juli 2026 6 min leestijd

## [OmniEval: Omnidirectionele RAG-evaluatiebenchmark voor de financiële sector](https://beancount.io/nl/bean-labs/research-logs/2026/07/04/omnieval-omnidirectional-automatic-rag-evaluation-financial-domain)

OmniEval scoort de beste RAG-systemen op 36% numerieke nauwkeurigheid over 5 financiële taaktypes, dus grootboek-agents hebben validatie nodig vóór het schrijven van boekingen.

Mike Thrift

ai machine-learning llm

28 juni 2026 6 min leestijd

## [FinDER: Echte vragen van analisten onthullen een recall-kloof van 74% in financiële RAG](https://beancount.io/nl/bean-labs/research-logs/2026/06/28/finder-financial-dataset-rag-evaluation)

FinDER's 5.703 echte analistenquery's tonen dat top-RAG slechts 25,95% van 10-K-bewijs terugvindt. Normaliseer eerst afkortingen, vóór het wisselen van embeddings.

Mike Thrift

ai llm machine-learning

27 juni 2026 6 min leestijd

## [Lost in the Middle: Positiebias in LLM's en de impact op Finance AI](https://beancount.io/nl/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

LLM's scoren tot 20 punten slechter wanneer het antwoord middenin de context staat, dus finance-RAG-pipelines plaatsen beste passages eerst of laatst.

Mike Thrift

llm ai machine-learning

24 juni 2026 6 min leestijd

## [AnoLLM: LLM's finetunen voor tabelgebaseerde anomaliedetectie in financiële gegevens](https://beancount.io/nl/bean-labs/research-logs/2026/06/24/anollm-llm-fine-tuning-tabular-anomaly-detection)

AnoLLM verslaat klassieke baselines op fraudedata met gemengde types door rijen te scoren met LLM negative log-likelihood, maar biedt geen voordeel op puur numerieke tabellen.

Mike Thrift

ai llm machine-learning

20 juni 2026 5 min leestijd

## [DocFinQA: Financieel redeneren met lange context op volledige SEC-documenten](https://beancount.io/nl/bean-labs/research-logs/2026/06/20/docfinqa-long-context-financial-reasoning-dataset)

DocFinQA vervangt FinQA's passages van 700 woorden door volledige SEC-documenten, een 175× langere context die GPT-4-nauwkeurigheid op lange documenten bijna halveert.

Mike Thrift

ai llm machine-learning

19 juni 2026 6 min leestijd

## [TheAgentCompany: Benchmarking van LLM-agents voor realistische bedrijfstaken](https://beancount.io/nl/bean-labs/research-logs/2026/06/19/theagentcompany-benchmarking-llm-agents-real-world-tasks)

TheAgentCompany benchmarkt 175 bedrijfstaken in een gesimuleerd intranet, en het beste model, Gemini-2.5-Pro, voltooit slechts 30% voor $4 per stuk.

Mike Thrift

ai llm automation

2 juni 2026 6 min leestijd

## [InvestorBench: Qwen2.5-72B presteert het beste op aandelen met 46,15% CR](https://beancount.io/nl/bean-labs/research-logs/2026/06/02/investorbench-llm-agent-financial-decision-making)

InvestorBench: Qwen2.5-72B leidt in aandelenhandel met 46,15% CR; op financiën afgestemde Palmyra-Fin werkt averechts op aandelen—grootte verslaat domein-finetuning.

Mike Thrift

llm ai finance

31 mei 2026 6 min leestijd

## [Single-Agent: even goed als MAS bij multi-hop met gelijke tokens](https://beancount.io/nl/bean-labs/research-logs/2026/05/31/single-agent-outperforms-multi-agent-equal-token-budget)

Bij gelijke budgets voor denk-tokens presteren single-agent LLM's even goed als of beter dan multi-agent-systemen bij multi-hop-redenering—kies voor eenvoudigere financiële agentontwerpen.

Mike Thrift

ai llm machine-learning

30 mei 2026 6 min leestijd

## [M3MAD-Bench: Zijn debatten tussen meerdere agenten echt effectief over verschillende domeinen en modaliteiten?](https://beancount.io/nl/bean-labs/research-logs/2026/05/30/m3mad-bench-multiagent-debate-effectiveness-domains-modalities)

M3MAD-Bench stelt vast dat Collective Delusion 65% van de mislukkingen bij multi-agent-debat veroorzaakt, en adversarieel debat verlaagt de nauwkeurigheid met tot 12,8%.

Mike Thrift

ai llm machine-learning

[Gratis starten→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Documentatie](https://beancount.io/nl/docs)

## Where to look next

- [Sitemap](https://beancount.io/sitemap.xml) - all pages with hreflang alternates
- [LLMs index](https://beancount.io/llms.txt) - curated links for AI agents (also /llms-full.txt for full docs)
- [Documentation](https://beancount.io/docs) - every doc is also available as text/markdown via .md suffix or Accept negotiation
- [REST API reference](https://beancount.io/docs/api-reference) - interactive endpoints, schemas, authentication, and code samples
- [OpenAPI spec](https://beancount.io/openapi.json) - OpenAPI 3.1 spec for this website's public content endpoints; the product contract for ledger operations is at https://beancount.io/api-gateway/v1/openapi.json
- [GraphQL](https://beancount.io/graphql) - public, read-only content API over the blog and research logs (no credentials, no ledger data): 12 query fields over 23 types
- [MCP server](https://beancount.io/mcp) - Model Context Protocol at https://beancount.io/api-gateway/mcp
