FinToolBench：评估LLM代理在真实金融工具使用中的表现
FinToolBench发现，所有受测LLM的意图不匹配率均超过50%，因此激进的工具调用并不意味着在金融任务上有更好的答案。
#compliance
合规
LLM 智能体可验证的安全工具使用：当 STPA 遇上 MCP
STPA 加上能力增强的 MCP 为 LLM 工具使用产出形式化安全规范，并用 Alloy 在一个日历案例中证明不存在不安全流程。
FinAuditing：大语言模型在真实 SEC XBRL 审计任务中得分低于 14%
FinAuditing 显示，顶级 LLM 在真实 SEC XBRL 文件的金融数学验证上仅得 13.86%，这限定了 AI 会计工具无法独立自动化的范围。
AGrail：跨任务学习的 LLM 智能体自适应安全护栏
AGrail 的双 LLM 护栏将提示注入攻击成功率降至 0%，同时在 Safe-OS 上保留 95.6% 的正常智能体操作。
ShieldAgent：LLM 智能体的可验证安全策略推理
ShieldAgent 用概率规则电路替代 LLM 护栏，对智能体攻击达 90.4% 准确率，API 调用减少 64.7%。
AuditCopilot：大语言模型在复式记账欺诈检测中的应用
AuditCopilot 将日记账分录欺诈误报从 942 降至 12，但消融实验显示 LLM 主要在综合 Isolation Forest 的分数。
会计智能体的宪制 AI：RLAIF、政策规则与古德哈特风险
宪法式AI用AI反馈替代人工标注的有害数据，让会计智能体无需为每笔交易配备审核员，即可执行账本规则。