TL;DR
- چکیده:.
- ما FinWorkBench (با نام مستعار Finch) را معرفی میکنیم،.
- معیاری برای ارزیابی عوامل در دنیای واقعی،.
چه اتفاقی افتاد
چکیده:. ما FinWorkBench (با نام مستعار Finch) را معرفی میکنیم،.
معیاری برای ارزیابی عوامل در دنیای واقعی،. در سطح ی مالی و جریانهای کاری حسابداری که ورودی دادهها،.
ساختار،. قالببندی،.
جستجوی وب،. بازیابی فایلهای متقابل،.
بازیابی فایلهای متقابل،. گزارش اعتبارسنجی،.
ترجمه،. مدلسازی،.
اعتبارسنجی حسابداری را به هم میریزد. Finch از فضاهای کاری معتبر ی Enron (15000 فایل و 500000 ایمیل) و سایر مؤسسات مالی بین سالهای.
2000 تا 2025 ساخته شده است و از آشفتگی و آشفتگی مصنوعات چندوجهی مانند جداول و نمودارها در. حوزههای مختلف از جمله مدیریت بودجه،.
تجارت،. حفظ میکند.
ما یک فرآیند ساخت گردش کار را پیشنهاد میکنیم که استخراج جریانهای کاری به کمک LLM از محیطهای. ی معتبر را با حاشیهنویسی متخصص ترکیب میکند.
بهطور خاص،. ما از اشتقاق گردش کار به کمک LLM و تأیید شده توسط متخصص استفاده میکنیم رشتههای.
ایمیل در دنیای واقعی و تاریخچه نسخههای صفحه گسترده،. به دنبال آن حاشیه نویسی دقیق گردش کار که به بیش از 700 ساعت تلاش متخصص نیاز دارد.
این فرآیند 172 گردش کار ترکیبی با 384 کار،. شامل 1710 صفحه گسترده با 27 میلیون سلول،.
همراه با فایلهای PDF و دیگر مصنوعات،. به دست میآورد که ماهیت ذاتا آشفته،.
افق طولانی،. دانش فشرده و مشارکتی کار ی را به تصویر میکشد.
ما ارزیابیهای انسانی و خودکار سیستمهای هوش مصنوعی مرزی، از جمله GPT 5. 1، Claude Sonnet/Opus 4.
5، Gemini 3 Pro، Grok 4 و Qwen 3 Max را انجام میدهیم. GPT 5.
1 Pro بهطور متوسط 16. 8 دقیقه در هر گردش کار صرف میکند، اما تنها 38.
4 ٪ از گردش کار را پشت سر میگذارد. مطالعات موردی جامع چالشهایی را که جریانهای کاری ی در دنیای واقعی برای عوامل هوش مصنوعی ایجاد میکنند،.
بیشتر نشان میدهد. هوش مصنوعی (cs.
AI)؛ مهندسی محاسبات، امور مالی و علوم (cs. CE)؛ بازیابی اطلاعات (cs.
IR); سیستمهای چندعاملی (cs. MA) استناد بهعنوان: (یا v4 [cs.
AI] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Haoyu Dong [مشاهده ایمیل] [v1] دوشنبه،. 15 دسامبر 2025،.
10:. 28:.
45 UTC (5,. 578 KB) [v2] جمعه،.
19 دسامبر 2025،. 03:.
59:. 15 UTC (5,.
574 KB) [v3] شنبه،. 3 ژانویه 2026،.
05:. 28:.
05 UTC (5,. 574 KB) [v4] یکشنبه،.
5 آوریل 2026،. ساعت 23:.
16:. 42 UTC (5,.
537 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.