Môžu byť LLM agenti finančnými riaditeľmi? 132-mesačná simulácia EnterpriseArena odhaľuje veľkú priepasť
Len Qwen3.5-9B prežije 80 % zo 132-mesačných CFO behov EnterpriseArena, kým GPT-5.4 a DeepSeek-V3.1 dosahujú 0 %. Príčinou zlyhaní je vynechané odsúhlasenie hlavnej knihy.