#developers
Zdroje pre vývojárov, API a dokumentácia integrácií pre finančné nástroje
CodeAct agent OpenHands získava 26 % na SWE-Bench Lite, čo ukazuje, čo AI agenti dnes spoľahlivo zvládajú. Automatizácia financií by mala začínať úzko vymedzená, nie autonómna.
ShieldAgent dosahuje 90,4 % presnosť pri útokoch na agentov s o 64,7 % menším počtom volaní API vďaka pravdepodobnostným pravidlovým obvodom namiesto LLM ochranných mantinelov.
RAG dosahuje presnosť 0,875 pri faktoch po cutoff, kým fine-tuning stagnuje na 0,504. Pre agentov potrebujúcich časté aktualizácie ledgera je retrieval lepší než fine-tuning.
Gorilla's Retriever-Aware Training cuts LLM API hallucination rates from 78% to 11%, making tool calls reliable enough for finance agents that write entries.
Agent-Computer Interfaces SWE-agent posunuli GPT-4 Turbo zo surového shellu na 12,47 % na SWE-bench, čo je zisk 10,7 bodu len z dizajnu rozhrania.
SWE-bench testuje jazykové modely na 2 294 reálnych GitHub issues; v čase publikácie Claude 2 vyriešil len 1,96 %. Limity retrieval a dĺžky patchu formujú kódovacích agentov.
Toolformer učí model s 6,7B parametrami volať API cez filtrovanie perplexity a prekonáva GPT-3 175B v aritmetike. Jeho jednostupňový dizajn blokuje reťazené volania ledgera.
