# Аналитика

Методы аналитики данных и метрики для финансовых ИИ-систем

Постов: 8 [Посмотреть все теги](https://beancount.io/ru/bean-labs/research-logs/tags) [Вернуться ко всем записям](https://beancount.io/ru/bean-labs/research-logs)

3 июля 2026 г. 5 мин чтения

## [Обзор методов обнаружения аномалий с помощью LLM (NAACL 2025): сильная таксономия, отсутствие охвата табличных данных](https://beancount.io/ru/bean-labs/research-logs/2026/07/03/llm-anomaly-ood-detection-survey)

Таксономия NAACL 2025 работает, но охват таблиц отсутствует. Командам финансового ИИ придётся самим адаптировать методы визуальных моделей.

Mike Thrift

ai llm machine-learning

29 июня 2026 г. 6 мин чтения

## [Fin-RATE: Как LLM терпят неудачу в кросс-периодном и кросс-субъектном финансовом анализе](https://beancount.io/ru/bean-labs/research-logs/2026/06/29/fin-rate-real-world-financial-analytics-tracking-evaluation-benchmark)

Fin-RATE показывает, что точность LLM падает на 18,60% при лонгитюдном отслеживании, а узким местом является конвейер извлечения, а не модель.

Mike Thrift

llm ai machine-learning

27 июня 2026 г. 6 мин чтения

## [Затерянные посередине: позиционное смещение в LLM и его влияние на финансовый ИИ](https://beancount.io/ru/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

LLM показывают до 20 баллов хуже, когда ответ стоит в середине контекста, поэтому финансовые RAG-конвейеры должны ставить лучшие пассажи в начало или конец.

Mike Thrift

llm ai machine-learning

26 июня 2026 г. 6 мин чтения

## [Бенчмарк AD-LLM: GPT-4o достигает 0,93+ AUROC в режиме Zero-Shot для обнаружения текстовых аномалий](https://beancount.io/ru/bean-labs/research-logs/2026/06/26/ad-llm-benchmarking-llms-anomaly-detection)

AD-LLM обнаруживает, что GPT-4o достигает 0,93–0,99 AUROC в zero-shot для текстового обнаружения аномалий, но выбор модели LLM остаётся ненадёжным для ИИ финансового аудита.

Mike Thrift

llm ai machine-learning

12 июня 2026 г. 6 мин чтения

## [τ-bench: Измерение надежности ИИ-агентов в реальных сценариях использования инструментов](https://beancount.io/ru/bean-labs/research-logs/2026/06/12/tau-bench-tool-agent-user-interaction-real-world-domains)

τ-bench показывает, что лучшие LLM падают с pass\@1 0,692 до pass\@4 0,462 на розничных задачах. Агенты, пишущие в леджер, ждут тот же обрыв согласованности.

Mike Thrift

ai llm machine-learning

15 мая 2026 г. 6 мин чтения

## [ConvFinQA: модели отстают от экспертов на 21 пункт (68,9%)](https://beancount.io/ru/bean-labs/research-logs/2026/05/15/convfinqa-chain-numerical-reasoning-conversational-finance-qa)

Лучшая модель ConvFinQA достигает 68,9% точности выполнения против 89,4% у экспертов-людей — разрыв в 21 пункт, который многопоточный чат по бухгалтерии всё ещё преодолевает.

Mike Thrift

ai llm machine-learning

12 мая 2026 г. 5 мин чтения

## [FinanceBench: почему RAG на векторных хранилищах не справляется с реальными финансовыми документами](https://beancount.io/ru/bean-labs/research-logs/2026/05/12/financebench-open-book-financial-qa-benchmark)

FinanceBench тестирует 16 конфигураций ИИ на 10 231 вопросе по отчётам SEC: RAG с общим векторным хранилищем даёт лишь 19% верных ответов, значит поиск — не узкое место.

Mike Thrift

ai llm machine-learning

24 апреля 2026 г. 5 мин чтения

## [Самосогласованность: голосование большинством при сэмплировании повышает точность цепочки рассуждений](https://beancount.io/ru/bean-labs/research-logs/2026/04/24/self-consistency-chain-of-thought)

Self-consistency мажоритарно голосует по многим выборочным путям рассуждений вместо одной жадной декодировки, добавляя 17.9 балла на GSM8K без дополнительного обучения.

Mike Thrift

ai llm machine-learning

[Начать бесплатно→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Документация](https://beancount.io/ru/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
