#developers
Ресурсы для разработчиков, API и документация по интеграции финансовых инструментов
Агент CodeAct от OpenHands набирает 26% на SWE-Bench Lite, показывая, что ИИ-агенты умеют надёжно сегодня. Автоматизацию финансов стоит начинать узко, а не автономно.
ShieldAgent достигает 90.4% точности на атаках агентов при 64.7% меньшем числе вызовов API, используя вероятностные схемы правил вместо LLM-ограждений.
RAG достигает точности 0.875 на фактах после cutoff, а дообучение упирается в 0.504. Для агентов, которым нужны частые обновления реестра, поиск лучше дообучения.
Retriever-Aware Training в Gorilla снижает долю галлюцинаций API у LLM с 78% до 11%, делая вызовы инструментов достаточно надёжными для финансовых агентов, создающих проводки.
Agent-Computer Interfaces от SWE-agent подняли GPT-4 Turbo с чистого shell до 12,47% на SWE-bench — прирост на 10,7 пункта только за счёт дизайна интерфейса.
SWE-bench тестирует языковые модели на 2 294 реальных задачах GitHub; на момент публикации Claude 2 решил лишь 1,96%. Поиск и длина патча формируют кодирующих агентов.
Toolformer учит модель 6.7B вызывать API через фильтрацию по перплексии, обходя GPT-3 175B в арифметике. Одношаговая схема мешает цепочкам вызовов в леджере.
