我用 LLM 代理构建银行分析流水线:31 次运行中有 7 次被拦截
OpenAI
Anthropic
作者描述了一个使用开放 LLM(大语言模型)从公共数据流生成银行研究的银行分析流水线。该流水线运营一个公开网站(ortant.net),发布了 24 项研究和 10 份银行档案。在 31 次运行中,有 7 次被发布门禁拦截,每次都有原因代码。文章详细介绍了障碍、成本和经验教训。
作者使用开放权重大语言模型构建了一个银行分析管道,用于分析公共数据。该系统运行在 ortant.net 上,提供 24 项被接受的研究、10 份银行档案和一个自定义研究构建器。每次运行处理七个公共数据流,通过六个 AI 角色:五名流审查员、一名研究代理、三名顾问、一名主席、一名声明验证员和一名记者。每次运行的中位成本为 0.132 美元,耗时 12.8 分钟。在尝试的 31 次运行中,有 7 次被发布门阻止:四次合成失败,两次包含禁止词汇,一次在个人数据检测上出现误报。系统包含从数据护照到发布门的四道屏障。作者还指出,预测层比朴素基线更差,因此被移除,并且模型建议提高了覆盖率但未提高准确性。文章强调透明度,成本和方法的展示公开透明。
来源: Habr — хаб ИИ —
原文
