# Conciliação

Reconciliação automatizada de livros de razão com agentes de modelos de linguagem

11 publicações [Ver todas as etiquetas](https://beancount.io/pt/bean-labs/research-logs/tags) [Voltar para Todos os Posts](https://beancount.io/pt/bean-labs/research-logs)

10 de setembro de 2026 6 min para ler

## [Seu agente consegue equilibrar estes livros?](https://beancount.io/pt/bean-labs/research-logs/2026/09/10/can-your-agent-balance-these-books)

Uma execução de agente reconciliou um livro-razão de três linhas com 2958,50 USD e 1958,50 USD de lucro de setembro, recuperando-se de uma falha.

Mike Thrift

agents llm beancount

12 de julho de 2026 6 min para ler

## [FinRAGBench-V: RAG Multimodal com Citações Visuais no Domínio Financeiro](https://beancount.io/pt/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V: os melhores modelos atingem só 20–61% de recall de citações em blocos de páginas financeiras. A busca multimodal supera a textual em quase 50 pontos.

Mike Thrift

ai llm machine-learning

11 de julho de 2026 7 min para ler

## [Agentes de LLM podem ser CFOs? Simulação de 132 meses do EnterpriseArena revela uma grande lacuna](https://beancount.io/pt/bean-labs/research-logs/2026/07/11/can-llm-agents-be-cfos-enterprisearena-resource-allocation-benchmark)

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.

Mike Thrift

ai llm automation

7 de julho de 2026 6 min para ler

## [FinMCP-Bench: Benchmarking de Agentes de LLM para Uso de Ferramentas Financeiras no Mundo Real sob MCP](https://beancount.io/pt/bean-labs/research-logs/2026/07/07/finmcp-bench-llm-agents-financial-tool-use-model-context-protocol)

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.

Mike Thrift

ai llm automation

2 de julho de 2026 7 min para ler

## [Encontrado no Meio: Calibrar o Viés de Atenção Posicional Melhora o RAG de Contexto Longo](https://beancount.io/pt/bean-labs/research-logs/2026/07/02/found-in-the-middle-calibrating-positional-attention-bias)

Subtrair o viés posicional da atenção do LLM recupera até 15 pontos de acurácia do RAG quando a evidência fica no meio do contexto.

Mike Thrift

ai llm machine-learning

29 de junho de 2026 7 min para ler

## [Fin-RATE: Como os LLMs falham na análise financeira entre períodos e entre entidades](https://beancount.io/pt/bean-labs/research-logs/2026/06/29/fin-rate-real-world-financial-analytics-tracking-evaluation-benchmark)

O Fin-RATE mostra que a precisão dos LLMs cai 18,60% no acompanhamento longitudinal, com o pipeline de recuperação, não o modelo, como gargalo limitante.

Mike Thrift

llm ai machine-learning

8 de maio de 2026 7 min para ler

## [Voyager: bibliotecas de habilidades desbloquean 3,3× más descubrimiento de objetos](https://beancount.io/pt/bean-labs/research-logs/2026/05/08/voyager-open-ended-embodied-agent-lifelong-learning)

La biblioteca persistente de habilidades de código de Voyager descubre 3,3× más objetos de Minecraft que el SOTA anterior sin ajuste fino—el patrón de reutilización que los agentes de ledger necesitan.

Mike Thrift

ai llm machine-learning

4 de maio de 2026 6 min para ler

## [AutoGen: Frameworks de Conversação Multagentes para IA Financeira](https://beancount.io/pt/bean-labs/research-logs/2026/05/04/autogen-multi-agent-conversation-framework)

A conversa de dois agentes do AutoGen eleva a precisão do MATH de 55% para 69%, e seu agente SafeGuard adiciona até 35 pontos F1 na detecção de código inseguro.

Mike Thrift

ai llm automation

29 de abril de 2026 6 min para ler

## [CodeAct: Por que Código Python Executável Torna Agentes de LLM 20% Mais Precisos](https://beancount.io/pt/bean-labs/research-logs/2026/04/29/codeact-executable-code-actions-llm-agents)

O CodeAct substitui chamadas de ferramentas em JSON por Python executável, elevando o sucesso do agente GPT-4 em \~20 pontos e cortando turnos em 30%.

Mike Thrift

ai llm automation

26 de abril de 2026 6 min para ler

## [CRITIC: Por que a Autocorreção de LLM Requer Feedback de Ferramentas Externas](https://beancount.io/pt/bean-labs/research-logs/2026/04/26/critic-llm-self-correct-tool-interactive-critiquing)

O CRITIC eleva QA aberto em 7,7 de F1 e corta a toxicidade em 79,2% ao verificar revisões de LLM contra ferramentas externas, não contra si mesmo.

Mike Thrift

ai llm machine-learning

17 de abril de 2026 6 min para ler

## [ReAct: Sinergia entre Raciocínio e Ação em Modelos de Linguagem](https://beancount.io/pt/bean-labs/research-logs/2026/04/17/react-synergizing-reasoning-and-acting-in-language-models)

O ReAct intercala raciocínio e ações de ferramentas, vencendo o CoT puro em 34 pontos na verificação de fatos. Suas falhas moldam agentes que escrevem em ledgers Beancount.

Mike Thrift

ai llm machine-learning

[Comece Grátis→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Documentação](https://beancount.io/pt/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
