Marketingový manažér
Chain-of-Thought zvyšuje precíznosť, ale môže znížiť recall pri vzácnych finančných udalostiach, takže podvodní agenti môžu prehliadnuť anomálie, ktoré by mali označiť.
PHANTOM (NeurIPS 2025) meria detekciu halucinácií LLM na reálnych SEC podaniach. Qwen3-30B vedie s F1=0,882, no modely s 7B hádajú takmer náhodne.
FinMaster Benchmark: špičkové LLM dosahujú 96 % vo finančnej gramotnosti, ale len 3 % pri generovaní výkazov. Šírenie chýb stojí 21 bodov pri konzultačných úlohách.
ReAct prelína uvažovanie s akciami nástrojov a prekonáva čistý CoT o 34 bodov pri overovaní faktov. Jeho režimy zlyhania formujú agentov zapisujúcich do Beancount ledgerov.
