Lühidalt: Claude 3.5 näitas Hebbia finantsvaldkonna võrdlustestis 20-protsendilist täpsuse kasvu finantsanalüüsis ja täpsemat allikatele viitamist, mis on institutsionaalse finantshoolsuskohustuse jaoks kriitilise tähtsusega.
Hebbia, institutsionaalse finantshoolsuskohustuse tehisintellektisüsteem, testis Claude 3.5 mudelit oma finantsvaldkonna spetsiifilise võrdlustesti vastu ning saavutas seejuures ettevõtte ajaloo kõrgeimad täpsusnäitajad. Küsimuste-vastuste analüüsis finantsdokumentide põhjal saavutas mudel eelmise versiooniga võrreldes 20-protsendilise suhtelise täpsuse kasvu.
Hebbia teenindab enam kui kolmandikku 50 suurimast varahaldusettevõttest ning samuti esimese taseme investeerimispanku ja õigusbüroosid. Selles keskkonnas teevad kliendid otsuseid tuhandete tihedate dokumentide analüüsi põhjal, kus üksainus vale arv võib muuta kogu tehingu tulemust. Platvorm kombineerib meta-prompimist Claude’i mudelitega, et muuta loomuliku keele päringud struktureeritud analüüsideks sadade dokumentide põhjal. Iga tulemus paigutub Hebbia maatriksis eraldi lahtrisse, mis tagab täieliku läbipaistvuse, jälgitavuse ja kontrollitavuse.
Hebbia rakendusliku tehisintellekti uurimismeeskond Adithya Ramanathani juhtimisel testib süstemaatiliselt iga uut mudelit ise välja töötatud, teadlikult rangelt kalibreeritud finantsvaldkonna võrdlustesti vastu. Meeskond viib läbi otsevõrdlusi, kus uued mudelid võistlevad nendega, mida nad asendama hakkavad. Teadur Joe Renner viib läbi neid teste, sealhulgas küsimuste-vastuste ja tsitaadileidmise teste finantsdokumentide põhjal ning agentide käivitusi, kasutades vestlustootes saadaolevaid tööriistu. Need simuleerivad avatud, mitme allikaga analüüsi, mida kliendid tegelikult teevad.
Claude 3.5 saavutas mõlemas testikategoorias seni kõrgeimad tulemused. Küsimuste-vastuste ja tsitaatide analüüsis saavutas mudel finantsdokumentide osas Claude 3 Opusega võrreldes ligikaudu 20-protsendilise suhtelise täpsuse kasvu. Tsitaatide vastavus jäi stabiilseks, mis viitab sellele, et kasv tuleneb leitud tõendusmaterjali paremast mõistmisest. Renner täheldas, et mudeli areng oli selgelt nähtav: see hoidis samaaegselt silme ees mitmeosalise päringu iga osa, käivitas iseseisvalt alamagente ja tööriistu õigete faktide leidmiseks ning ankurdas iga väite allikasse, selle asemel et seda tuletada.
Peamine tulemus seisneb kahes fundamentaalses võimekuses: oskuses leida asjakohast teavet tihedatest andmekogumitest ning seejärel seda korrektselt sünteesida. Neil mudeli omadustel on tohutu mõju finants- ja uurimistöövoogudele, kus kliendid teevad ulatuslikke investeerimisotsuseid Hebbias koostatud analüüside põhjal.
Allikas: claude.com · Avaldatud 12. juuli 2026
Lumi AI News — tehisintellekti abil toimetatud kuratsioon vastavalt tehisintellektimääruse artiklile 50. Parafraseerimine ja klassifitseerimine Lumi News Pipeline v1.7.3 abil.