# Technológia

Výskum technológií a softvérového inžinierstva relevantný pre finančné AI systémy

Príspevkov: 8 [Zobraziť všetky štítky](https://beancount.io/sk/bean-labs/research-logs/tags) [Späť na všetky príspevky](https://beancount.io/sk/bean-labs/research-logs)

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

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

15\. júna 2026 5 min čítania

## [OSWorld: Desktop AI Agents Succeed on 12% of Tasks Where Humans Succeed on 72%](https://beancount.io/sk/bean-labs/research-logs/2026/06/15/osworld-benchmarking-multimodal-agents-real-computer-environments)

OSWorld finds desktop AI agents succeed on 12.24% of real tasks versus 72.36% for humans, with 75% of failures from visuomotor grounding, not reasoning.

Mike Thrift

ai machine-learning automation

1\. júna 2026 6 min čítania

## [StructRAG (ICLR 2025): Výber správnej štruktúry dokumentu poráža GraphRAG o 28 bodov](https://beancount.io/sk/bean-labs/research-logs/2026/06/01/structrag-inference-time-hybrid-information-structurization)

StructRAG smeruje každú otázku do štruktúry tabuľky, grafu, katalógu, algoritmu alebo chunku, čím prekonáva GraphRAG o 28 bodov a beží 22× rýchlejšie.

Mike Thrift

ai llm machine-learning

31\. mája 2026 5 min čítania

## [Single-Agent: rovná sa MAS na viacstupňových úlohách pri rovnakých tokenoch](https://beancount.io/sk/bean-labs/research-logs/2026/05/31/single-agent-outperforms-multi-agent-equal-token-budget)

Pri rovnakých rozpočtoch myšlienkových tokenov dosahujú single-agent LLM rovnaké alebo lepšie výsledky ako multi-agent systémy pri viacstupňovom uvažovaní — uprednostnite jednoduchšie návrhy finančných agentov.

Mike Thrift

ai llm machine-learning

9\. mája 2026 6 min čítania

## [Self-RAG: Adaptívne vyhľadávanie a sebakritika pre LLM](https://beancount.io/sk/bean-labs/research-logs/2026/05/09/self-rag-learning-to-retrieve-generate-critique-self-reflection)

Self-RAG trénuje LLM, aby rozhodol, kedy vyhľadávať, a sám ohodnotil výsledky, dosahujúc 55,8 % na PopQA a 80,2 FactScore — čím prekonáva ChatGPT v piatich benchmarkoch.

Mike Thrift

ai machine-learning llm

6\. mája 2026 5 min čítania

## [AgentBench: Vyhodnocovanie LLM ako agentov — Poučenia pre spoľahlivosť finančnej AI](https://beancount.io/sk/bean-labs/research-logs/2026/05/06/agentbench-evaluating-llms-as-agents)

AgentBench ohodnotil GPT-4 na 4,01 oproti 0,96 pre najlepší open-source LLM. Práve tie zlyhania lámu Beancount write-back agenta na živom ledgeri.

Mike Thrift

ai llm machine-learning

2\. mája 2026 6 min čítania

## [MemGPT: 92,5% viacsedeníová vybaviteľnosť oproti 32,1% základnej úrovni](https://beancount.io/sk/bean-labs/research-logs/2026/05/02/memgpt-towards-llms-as-operating-systems)

MemGPT pamäťové vrstvy v štýle OS zvyšujú presnosť viacsedeníového chatu GPT-4 na 92,5% oproti 32,1% pri pevnom kontexte – potrebné pre viacročných ledger agentov.

Mike Thrift

ai llm 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
