# Звірка

Автоматизована звірка журналу за допомогою агентів мовних моделей

Записів: 11 [Переглянути всі теги](https://beancount.io/uk/bean-labs/research-logs/tags) [Назад до всіх публікацій](https://beancount.io/uk/bean-labs/research-logs)

10 вересня 2026 р. 5 хв. читання

## [Чи збалансує ваш агент ці книги?](https://beancount.io/uk/bean-labs/research-logs/2026/09/10/can-your-agent-balance-these-books)

Один запуск агента звірив леджер із трьох рядків до 2958.50 USD на рахунку checking і 1958.50 USD вересневого прибутку, відновившись після збою, який він сам діагностував.

Mike Thrift

agents llm beancount

12 липня 2026 р. 5 хв. читання

## [FinRAGBench-V: Мультимодальний RAG із візуальним цитуванням у фінансовій сфері](https://beancount.io/uk/bean-labs/research-logs/2026/07/12/finragbench-v-multimodal-rag-visual-citation-financial-domain)

FinRAGBench-V: найкращі моделі сягають лише 20–61% recall цитат на рівні блоків на фінансових сторінках. Мультимодальний пошук випереджає текстовий майже на 50 пунктів.

Mike Thrift

ai llm machine-learning

11 липня 2026 р. 6 хв. читання

## [Чи можуть LLM-агенти бути фінансовими директорами? 132-місячна симуляція EnterpriseArena виявляє великий розрив](https://beancount.io/uk/bean-labs/research-logs/2026/07/11/can-llm-agents-be-cfos-enterprisearena-resource-allocation-benchmark)

Лише Qwen3.5-9B витримує 80% із 132 місяців CFO в EnterpriseArena, тоді як GPT-5.4 і DeepSeek-V3.1 дають 0%. Причина збоїв — пропущене звіряння реєстру.

Mike Thrift

ai llm automation

7 липня 2026 р. 5 хв. читання

## [FinMCP-Bench: Бенчмаркінг агентів LLM для реального використання фінансових інструментів під управлінням MCP](https://beancount.io/uk/bean-labs/research-logs/2026/07/07/finmcp-bench-llm-agents-financial-tool-use-model-context-protocol)

FinMCP-Bench оцінює найкращу з шести LLM лише в 3,08% точного збігу на 613 реальних фінансових задачах MCP — 20-кратний обвал від одного інструмента до багатокроковості.

Mike Thrift

ai llm automation

2 липня 2026 р. 5 хв. читання

## [Знайдено посередині: Калібрування позиційного зміщення уваги покращує RAG з довгим контекстом](https://beancount.io/uk/bean-labs/research-logs/2026/07/02/found-in-the-middle-calibrating-positional-attention-bias)

Віднімання позиційного зсуву з ваг уваги LLM повертає до 15 пунктів точності RAG, коли доказ лежить у середині контексту, допомагаючи конвеєрам фінансових агентів.

Mike Thrift

ai llm machine-learning

29 червня 2026 р. 6 хв. читання

## [Fin-RATE: Як LLM зазнають невдачі у міжперіодному та міжсуб'єктному фінансовому аналізі](https://beancount.io/uk/bean-labs/research-logs/2026/06/29/fin-rate-real-world-financial-analytics-tracking-evaluation-benchmark)

Fin-RATE показує, що точність LLM обвалюється на 18,60% під час лонгітюдного відстеження, а вузьким місцем є конвеєр пошуку, а не модель.

Mike Thrift

llm ai machine-learning

8 травня 2026 р. 6 хв. читання

## [Voyager: бібліотеки навичок відкривають у 3,3 раза більше предметів](https://beancount.io/uk/bean-labs/research-logs/2026/05/08/voyager-open-ended-embodied-agent-lifelong-learning)

Постійна бібліотека коду навичок Voyager виявляє у 3,3 раза більше предметів Minecraft, ніж попередні SOTA без тонкого налаштування—це реєстр патернів повторного використання, необхідний агентам обліку.

Mike Thrift

ai llm machine-learning

4 травня 2026 р. 5 хв. читання

## [AutoGen: Фреймворки мультиагентної взаємодії для ШІ у фінансах](https://beancount.io/uk/bean-labs/research-logs/2026/05/04/autogen-multi-agent-conversation-framework)

Двоагентна розмова AutoGen підвищує точність MATH з 55% до 69%, а його агент SafeGuard додає до 35 балів F1 у виявленні небезпечного коду.

Mike Thrift

ai llm automation

29 квітня 2026 р. 5 хв. читання

## [CodeAct: Чому виконуваний код Python робить LLM-агентів на 20% точнішими](https://beancount.io/uk/bean-labs/research-logs/2026/04/29/codeact-executable-code-actions-llm-agents)

CodeAct замінює виклики інструментів JSON на виконуваний Python, підвищуючи успішність агента GPT-4 на \~20 пунктів і скорочуючи кількість кроків на 30%.

Mike Thrift

ai llm automation

26 квітня 2026 р. 5 хв. читання

## [CRITIC: Чому самокорекція LLM потребує зворотного зв’язку від зовнішніх інструментів](https://beancount.io/uk/bean-labs/research-logs/2026/04/26/critic-llm-self-correct-tool-interactive-critiquing)

CRITIC підвищує QA відкритого домену на 7,7 F1 і знижує токсичність на 79,2%, перевіряючи правки LLM зовнішніми інструментами, а не нею самою.

Mike Thrift

ai llm machine-learning

17 квітня 2026 р. 5 хв. читання

## [ReAct: Синергія міркування та дії в мовних моделях](https://beancount.io/uk/bean-labs/research-logs/2026/04/17/react-synergizing-reasoning-and-acting-in-language-models)

ReAct чергує міркування з діями інструментів, перевершуючи чистий CoT на 34 пункти у перевірці фактів. Його режими відмов визначають агентів, що пишуть у реєстри Beancount.

Mike Thrift

ai llm machine-learning

[Почати безкоштовно→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Документація](https://beancount.io/uk/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
