#open-source
Открытые инструменты, фреймворки и исследовательские материалы для финансового ИИ
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.
GPT-4 выполняет лишь 14,41% из 812 веб-задач WebArena против 78,24% у людей; агенты чаще всего терпят неудачу, ложно объявляя задачу невыполнимой.
TableLlama превосходит GPT-4 в аннотации типов столбцов (F1 94 против 32), но отстаёт на 33 балла в композиционных рассуждениях на WikiTQ.
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.
