#developers
Recursos para programadores, APIs e documentação de integração para ferramentas financeiras
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 ShieldAgent atinge 90,4% de precisão em ataques a agentes com 64,7% menos chamadas de API ao usar circuitos de regras probabilísticos em vez de guardrails de LLM.
O RAG atinge 0,875 de acurácia em fatos pós-corte, e o fine-tuning estagna em 0,504. Para agentes com atualizações frequentes, a recuperação vence.
O Retriever-Aware Training do Gorilla reduz alucinações de API de LLM de 78% para 11%, tornando chamadas confiáveis para agentes que gravam lançamentos.
As Agent-Computer Interfaces do SWE-agent elevaram o GPT-4 Turbo do shell bruto para 12,47% no SWE-bench, um ganho de 10,7 pontos só pelo design da interface.
O SWE-bench testa modelos de linguagem em 2.294 issues reais do GitHub; na publicação, o Claude 2 resolveu só 1,96%. Limites de recuperação e patch moldam agentes de código.
O Toolformer ensina um modelo de 6,7B a chamar APIs via filtragem por perplexidade, superando o GPT-3 175B em aritmética. Seu design de passo único impede chamadas encadeadas.
