# Beancount

Формат реестра Beancount, инструменты и исследования экосистемы

Постов: 66 [Посмотреть все теги](https://beancount.io/ru/bean-labs/research-logs/tags) [Вернуться ко всем записям](https://beancount.io/ru/bean-labs/research-logs)

10 сентября 2026 г. 5 мин чтения

## [Сможет ли ваш агент свести эти книги?](https://beancount.io/ru/bean-labs/research-logs/2026/09/10/can-your-agent-balance-these-books)

Один прогон агента свёл регистр из трёх строк к 2958.50 USD на расчётном счёте и 1958.50 USD сентябрьской прибыли, восстановившись после сбоя, который он сам диагностировал.

Mike Thrift

agents llm beancount

12 июля 2026 г. 5 мин чтения

## [FinRAGBench-V: мультимодальный RAG с визуальными цитатами в финансовой сфере](https://beancount.io/ru/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V: лучшие модели дают лишь 20–61% полноты цитирования на уровне блоков на финансовых страницах. Мультимодальный поиск лучше текстового почти на 50 пунктов.

Mike Thrift

ai llm machine-learning

11 июля 2026 г. 6 мин чтения

## [Могут ли LLM-агенты быть финансовыми директорами? 132-месячная симуляция EnterpriseArena выявляет огромный разрыв](https://beancount.io/ru/bean-labs/research-logs/2026/07/11/can-llm-agents-be-cfos-enterprisearena-resource-allocation-benchmark)

Только Qwen3.5-9B выдерживает 80% из 132-месячных прогонов CFO в EnterpriseArena, а GPT-5.4 и DeepSeek-V3.1 достигают 0%. Причина сбоев — пропущенная сверка регистра.

Mike Thrift

ai llm automation

10 июля 2026 г. 6 мин чтения

## [WildToolBench: Почему ни одна LLM не превышает 15% точности сессии в реальных сценариях использования инструментов](https://beancount.io/ru/bean-labs/research-logs/2026/07/10/wildtoolbench-benchmarking-llm-tool-use-in-the-wild)

WildToolBench обнаруживает, что ни одна LLM не превышает 15% точности сессий на 1 024 задачах реальных пользователей; скрытые намерения и смена инструкций — худшие сбои.

Mike Thrift

ai llm automation

8 июля 2026 г. 6 мин чтения

## [JSONSchemaBench: Сложность реальных схем нарушает гарантии структурированного вывода LLM](https://beancount.io/ru/bean-labs/research-logs/2026/07/08/jsonschemabench-structured-outputs-language-models)

JSONSchemaBench обнаруживает, что покрытие падает с 86% на простых схемах до 3% на сложных, поэтому структурный вывод LLM может незаметно выдавать несоответствующий JSON.

Mike Thrift

llm ai machine-learning

7 июля 2026 г. 5 мин чтения

## [FinMCP-Bench: Тестирование LLM-агентов для решения реальных финансовых задач с использованием инструментов в рамках протокола MCP](https://beancount.io/ru/bean-labs/research-logs/2026/07/07/finmcp-bench-llm-agents-financial-tool-use-model-context-protocol)

FinMCP-Bench: лучший из шести LLM даёт лишь 3,08% точных совпадений на 613 реальных финансовых задачах MCP — падение в 20 раз от одного инструмента к многошаговым.

Mike Thrift

ai llm automation

6 июля 2026 г. 5 мин чтения

## [FinTrace: Оценка траекторий вызова инструментов LLM для финансовых задач](https://beancount.io/ru/bean-labs/research-logs/2026/07/06/fintrace-trajectory-level-evaluation-llm-tool-calling-financial-tasks)

FinTrace: передовые LLM выбирают нужные финансовые инструменты (F1 \~0,9), но получают лишь 3,23/5 за использование результатов — именно здесь ломаются агенты с записью.

Mike Thrift

llm ai finance

5 июля 2026 г. 5 мин чтения

## [FinToolBench: Оценка LLM-агентов на реальном использовании финансовых инструментов](https://beancount.io/ru/bean-labs/research-logs/2026/07/05/fintoolbench-evaluating-llm-agents-real-world-financial-tool-use)

FinToolBench обнаруживает несоответствие намерений выше 50% у всех протестированных LLM, значит частое использование инструментов не даёт лучших ответов в финансах.

Mike Thrift

ai llm automation

4 июля 2026 г. 5 мин чтения

## [OmniEval: Всенаправленный бенчмарк для оценки RAG в финансовой сфере](https://beancount.io/ru/bean-labs/research-logs/2026/07/04/omnieval-omnidirectional-automatic-rag-evaluation-financial-domain)

OmniEval оценивает лучшие RAG-системы в 36% числовой точности по 5 типам финансовых задач, поэтому агентам-регистраторам нужна валидация до записи проводок.

Mike Thrift

ai machine-learning llm

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

2 июля 2026 г. 5 мин чтения

## [Найдено посередине: калибровка позиционного смещения внимания улучшает RAG с длинным контекстом](https://beancount.io/ru/bean-labs/research-logs/2026/07/02/found-in-the-middle-calibrating-positional-attention-bias)

Вычитание позиционного смещения из весов внимания LLM возвращает до 15 пунктов точности RAG, когда доказательства в середине контекста, помогая конвейерам финансовых агентов.

Mike Thrift

ai llm machine-learning

1 июля 2026 г. 6 мин чтения

## [Учёт неопределенности при делегировании задач LLM-агентами: когда переходить от малых моделей к большим](https://beancount.io/ru/bean-labs/research-logs/2026/07/01/redact-uncertainty-aware-deferral-llm-agents)

ReDAct переходит от малой модели к большой только когда перплексия сигнализирует о неопределённости, снижая затраты на 64% при той же точности для рабочих процессов агентов.

Mike Thrift

ai llm automation

[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
