# Dátová veda

Metódy dátovej vedy aplikované na finančné datasety a účtovné pracovné postupy

Príspevkov: 40 [Zobraziť všetky štítky](https://beancount.io/sk/bean-labs/research-logs/tags) [Späť na všetky príspevky](https://beancount.io/sk/bean-labs/research-logs)

12\. júla 2026 5 min čítania

## [FinRAGBench-V: Multimodálny RAG s vizuálnymi citáciami vo finančnej oblasti](https://beancount.io/sk/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V zisťuje, že špičkové modely dosahujú len 20 – 61 % citovania blokov na finančných stránkach. Multimodálne vyhľadávanie prekonáva textové o takmer 50 bodov.

Mike Thrift

ai llm machine-learning

10\. júla 2026 6 min čítania

## [WildToolBench: Prečo žiadne LLM neprekračuje 15 % presnosť relácie pri používaní nástrojov v reálnom svete](https://beancount.io/sk/bean-labs/research-logs/2026/07/10/wildtoolbench-benchmarking-llm-tool-use-in-the-wild)

WildToolBench: žiadne LLM neprekročí 15 % presnosti relácie na 1 024 úlohách reálnych používateľov, pričom skrytý zámer a prechody inštrukcií sú najostrejšie zlyhania.

Mike Thrift

ai llm automation

9\. júla 2026 6 min čítania

## [Istota a kalibrácia LLM: Prehľad toho, čo výskum v skutočnosti ukazuje](https://beancount.io/sk/bean-labs/research-logs/2026/07/09/confidence-estimation-calibration-llms-survey)

Verbalizovaná dôvera GPT-4 dosahuje len \~62,7 % AUROC, sotva nad úrovňou náhody. Finanční agenti vnímajúci neistotu potrebujú lepšiu kalibráciu.

Mike Thrift

llm ai machine-learning

5\. júla 2026 5 min čítania

## [FinToolBench: Hodnotenie LLM agentov na reálnych finančných nástrojoch](https://beancount.io/sk/bean-labs/research-logs/2026/07/05/fintoolbench-evaluating-llm-agents-real-world-financial-tool-use)

FinToolBench zisťuje nesúlad zámeru nad 50 % u každého testovaného LLM, takže agresívne volanie nástrojov neznamená lepšie odpovede na finančné úlohy.

Mike Thrift

ai llm automation

4\. júla 2026 5 min čítania

## [OmniEval: Všesmerový benchmark pre hodnotenie RAG vo finančnej oblasti](https://beancount.io/sk/bean-labs/research-logs/2026/07/04/omnieval-omnidirectional-automatic-rag-evaluation-financial-domain)

OmniEval hodnotí najlepšie RAG systémy na 36 % numerickej presnosti v 5 typoch finančných úloh, takže agenti pre hlavnú knihu potrebujú validáciu pred zápisom položiek.

Mike Thrift

ai machine-learning llm

3\. júla 2026 5 min čítania

## [Prehľad detekcie anomálií pomocou LLM (NAACL 2025): Silná taxonómia, chýbajúce pokrytie tabuľkových dát](https://beancount.io/sk/bean-labs/research-logs/2026/07/03/llm-anomaly-ood-detection-survey)

Taxonómia z NAACL 2025 platí, ale pokrytie tabuliek chýba. Tímy finančnej AI si musia metódy pre vizuálne modely prispôsobiť samy.

Mike Thrift

ai llm machine-learning

2\. júla 2026 6 min čítania

## [Nájdené v strede: Kalibrácia predpojatosti pozičnej pozornosti zlepšuje RAG s dlhým kontextom](https://beancount.io/sk/bean-labs/research-logs/2026/07/02/found-in-the-middle-calibrating-positional-attention-bias)

Odčítanie pozičnej odchýlky z váh pozornosti LLM obnoví až 15 bodov presnosti RAG, keď dôkaz leží uprostred kontextu, čo pomáha pipeline finančných agentov.

Mike Thrift

ai llm machine-learning

29\. júna 2026 6 min čítania

## [Fin-RATE: Ako LLM zlyhávajú pri finančnej analýze medzi obdobiami a entitami](https://beancount.io/sk/bean-labs/research-logs/2026/06/29/fin-rate-real-world-financial-analytics-tracking-evaluation-benchmark)

Fin-RATE ukazuje pokles presnosti LLM o 18,60 % pri longitudinálnom sledovaní, pričom úzkym miestom je retrieval pipeline, nie model.

Mike Thrift

llm ai machine-learning

28\. júna 2026 6 min čítania

## [FinDER: Skutočné dopyty analytikov odhaľujú 74 % medzeru v návratnosti pri finančnom RAG](https://beancount.io/sk/bean-labs/research-logs/2026/06/28/finder-financial-dataset-rag-evaluation)

5 703 reálnych analytických dopytov vo FinDER ukazuje, že špičkový RAG vyhľadá len 25,95 % dôkazov z 10-K. Najprv normalizujte skratky, až potom meňte embeddingy.

Mike Thrift

ai llm machine-learning

27\. júna 2026 5 min čítania

## [Stratení v strede: Pozičná zaujatosť v LLM a jej vplyv na finančnú AI](https://beancount.io/sk/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

LLM skórujú až o 20 bodov horšie, keď odpoveď leží uprostred kontextu, preto by finančné RAG pipeline mali umiestňovať najlepšie pasáže na začiatok alebo koniec.

Mike Thrift

llm ai machine-learning

26\. júna 2026 6 min čítania

## [Benchmark AD-LLM: GPT-4o dosahuje 0,93+ AUROC Zero-Shot pri detekcii textových anomálií](https://beancount.io/sk/bean-labs/research-logs/2026/06/26/ad-llm-benchmarking-llms-anomaly-detection)

AD-LLM zisťuje, že GPT-4o dosahuje 0,93–0,99 AUROC zero-shot pri detekcii textových anomálií, ale výber LLM modelu zostáva nespoľahlivý pre AI finančný audit.

Mike Thrift

llm ai machine-learning

25\. júna 2026 5 min čítania

## [CausalTAD: Kauzálne usporiadanie stĺpcov pre detekciu anomálií v tabuľkových dátach pomocou LLM](https://beancount.io/sk/bean-labs/research-logs/2026/06/25/causaltad-causal-knowledge-llm-tabular-anomaly-detection)

CausalTAD preusporiada stĺpce tabuľky podľa kauzálnej závislosti pred serializáciou do LLM, čím zvýši priemerné AUC-ROC z 0,803 na 0,834 oproti AnoLLM.

Mike Thrift

llm ai machine-learning

[Začať zadarmo→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Dokumentácia](https://beancount.io/sk/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
