#open-source
Open-source nástroje, frameworky a výskumné artefakty pre finančnú AI
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.
GPT-4 dokončí len 14,41 % z 812 webových úloh WebArena oproti 78,24 % u ľudí; agenti väčšinou zlyhávajú falošným vyhlásením, že úloha je nemožná.
TableLlama prekonáva GPT-4 v anotácii typu stĺpca (F1 94 vs 32), no zaostáva o 33 bodov v kompozičnom uvažovaní na WikiTQ.
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.
