最新资讯
dev.to 我们在 DolphinBench 上测试记忆检索:纯关键词搜索暴露了自身回归 dev.to 别再把 Agent 写成 while 循环,把它建模为状态机 bloomberg.com Rightmove 与 Scout24 借 AI 产品应对低迷房市并上调展望 stackoverflow.blog 欢迎来到芯片时代:半导体制造、AI 数据中心与芯片设计的未来 www.youtube.com AI Agent 总犯同样的错:CentralAgent AI 将记忆重构为经验系统 pub.towardsai.net Netflix 科学家建议重采样 LLM 评判:5 次仅将误差棒缩小 13% pub.towardsai.net Jev 作为 LLM 前的静默层:构建提示感知的模型路由器 reddit.com OpenAI 称 Astra 仅满足 10% 安全任务标准 dev.to FreeToken:在自有 GPU 上运行前沿 MoE 模型及其内存需求 dev.to 当 AI Agent 说“完成”时,究竟完成了什么? dev.to 部署 Underdog Bark 3.0 Pro:逐字转写、自定义后端与分块设置 dev.to 为艰难对话构建 AI:五个 Agent、一条安全正则与一位盲评监督者
多元动态
登录 注册
大模型 pub.towardsai.net · @Govind Mudavadkar

我构建了一个能证明每个数字来源的金融 AI

原文 我的收藏

作者介绍其自建系统 LedgerMind:不让 AI 直接输出最终数字,而是要求每个数字指向公司年报中的具体行。其训练的小模型(40 亿参数,可单 GPU 运行)在 FinQA 测试集上正确率由训练前的 20.4% 提升至 74.9%,并称与 gpt-5.5 准确率统计上持平、成本约低 600 倍。上述数据来自作者自述,缺少代码与第三方复现。

AI推荐理由 作者自述构建 LedgerMind:一个 40 亿参数的小模型,在 FinQA 测试集上从训练前 20.4% 提升到 74.9%,并声称每个答案都能回溯到年报原文行,成本约为对比模型的 1/600。具体新信息是‘答案必须可溯源到财报行’这一设计约束和 FinQA 上的前后对比数字,对金融 Agent 的可验证性有参考价值。但这是个人博客自述,未提供代码、评测细节或第三方复现,'与 gpt-5.5 统计上持平'和'600 倍成本优势'均无法从摘要验证,需保留不确定性。

62

正文

当前仅保存了标题或简介;并非所有来源都提供正文,可通过下方原文链接查看。

来源报道 · 1 篇 · 以下链接均前往原始媒体

Govind Mudavadkar 我构建了一个能证明每个数字来源的金融 AI 10-13 · 原文发布
← 返回精选动态 原文

更多内容