#automation
Técnicas e ferramentas de automação para processamento de dados financeiros
Só o Qwen3.5-9B sobrevive a 80% das 132 execuções de CFO do EnterpriseArena, enquanto GPT-5.4 e DeepSeek-V3.1 chegam a 0%. A conciliação ignorada causa as falhas.
O WildToolBench não encontra LLM acima de 15% de acurácia por sessão em 1.024 tarefas de usuários reais, com intenção oculta e transições de instrução como falhas mais agudas.
O JSONSchemaBench encontra cobertura que cai de 86% em esquemas simples para 3% em complexos, então a saída estruturada de LLM pode emitir JSON não conforme silenciosamente.
O FinMCP-Bench pontua o melhor de seis LLMs em apenas 3,08% de correspondência exata em 613 tarefas reais de MCP, colapso de 20× no multiturno.
FinTrace: LLMs de ponta escolhem as ferramentas financeiras certas (F1 ~0,9), mas tiram só 3,23/5 ao usar os resultados, etapa que quebra agentes de write-back.
O FinToolBench encontra incompatibilidade de intenção acima de 50% em todo LLM testado, então chamadas agressivas não geram melhores respostas.
O OmniEval pontua os melhores sistemas RAG em 36% de acurácia numérica em 5 tipos de tarefa financeira, exigindo validação antes de lançar.
Subtrair o viés posicional da atenção do LLM recupera até 15 pontos de acurácia do RAG quando a evidência fica no meio do contexto.
O ReDAct transfere de um modelo pequeno para um grande só quando a perplexidade sinaliza incerteza, cortando o custo em 64% com acurácia equivalente em fluxos de agentes.
O agente CodeAct do OpenHands pontua 26% no SWE-Bench Lite, mostrando o que agentes fazem de confiável hoje. Automação financeira deve começar restrita.
O TableMaster atinge 78,13% no WikiTQ com o GPT-4o-mini, 13 pontos acima do Chain-of-Table, via table-of-focus e raciocínio adaptativo para agentes sobre livros Beancount.
O GPT-4 atinge 74,1 de AUROC médio no ODDS zero-shot, perto da linha de base ECOD de 75,5, mas falha em dados de alta variância. A auditoria de razão ainda não está resolvida.
