# Сверка

Автоматизированная сверка реестра с помощью агентов на языковых моделях

Постов: 11 [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

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

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

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

8 мая 2026 г. 6 мин чтения

## [Voyager: библиотеки навыков открывают в 3,3 раза больше предметов](https://beancount.io/ru/bean-labs/research-logs/2026/05/08/voyager-open-ended-embodied-agent-lifelong-learning)

Постоянная библиотека навыков кода Voyager обнаруживает в 3,3 раза больше предметов Minecraft, чем предыдущий SOTA без тонкой настройки — реестр повторного использования, необходимый агентам журнала.

Mike Thrift

ai llm machine-learning

4 мая 2026 г. 5 мин чтения

## [AutoGen: Фреймворки многоагентного диалога для ИИ в финансах](https://beancount.io/ru/bean-labs/research-logs/2026/05/04/autogen-multi-agent-conversation-framework)

Диалог двух агентов AutoGen повышает точность на MATH с 55% до 69%, а его агент SafeGuard добавляет до 35 баллов F1 в обнаружении небезопасного кода.

Mike Thrift

ai llm automation

29 апреля 2026 г. 5 мин чтения

## [CodeAct: почему исполняемый код Python делает LLM-агентов на 20% точнее](https://beancount.io/ru/bean-labs/research-logs/2026/04/29/codeact-executable-code-actions-llm-agents)

CodeAct заменяет вызовы инструментов в JSON на исполняемый Python, повышая успех агента GPT-4 примерно на 20 пунктов и сокращая число шагов на 30%.

Mike Thrift

ai llm automation

26 апреля 2026 г. 5 мин чтения

## [CRITIC: Почему самокоррекция LLM требует обратной связи от внешних инструментов](https://beancount.io/ru/bean-labs/research-logs/2026/04/26/critic-llm-self-correct-tool-interactive-critiquing)

CRITIC повышает открытый QA на 7.7 F1 и снижает токсичность на 79.2%, проверяя правки LLM внешними инструментами, а не самой моделью.

Mike Thrift

ai llm machine-learning

17 апреля 2026 г. 5 мин чтения

## [ReAct: Синергия рассуждения и действия в языковых моделях](https://beancount.io/ru/bean-labs/research-logs/2026/04/17/react-synergizing-reasoning-and-acting-in-language-models)

ReAct чередует рассуждение с действиями инструментов, превосходя чистый CoT на 34 пункта в проверке фактов. Его режимы отказа определяют агентов, пишущих в ledger Beancount.

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
