요약: SEC EDGAR와 같은 공시 저장소는 기업의 제출 서류에 대한 웹 접근을 통해 정보에 기반한 투자를 지원합니다. 이러한 문서들의 검토를 언어 모델 에이전트로 지원하려면, 관련 문서들 간에 명시되지 않은 결함을 발견하고 누락된 기업 정보를 확보하며, 요청된 수정 사항이 증거에 근거한 요구사항을 충족하는지 검증해야 합니다. 기존의 재무 관련 질의응답 평가에서는 이러한 상호작용 능력에 대한 근거가 제한적입니다. 우리는 기업 공시 검토 및 수정을 위한 대화형 벤치마크이자 자체 진화형 에이전트 프레임워크인 \textbf{FilingLoop}을 소개합니다. FilingLoop은 미국 증권거래위원회의 역사적 서신을 바탕으로, 서로 다른 정보 제약 조건 하에 96개 기업의 IPO 검토 과제 380개를 재구성했습니다. 수행 중인 에이전트들과 별도로 구성된 평가자는 최종 제출물과 응답을 6,099개의 적격 요구사항에 비추어 점수를 매기고, 미지원 주장과 유해한 수정 사항을 감사합니다. 본 프레임워크는 각 사례 내에서 반복적인 검토와 수정을 사례 간 절차 학습과 결합하여, 모델 가중치를 업데이트하지 않고도 요구사항 수준의 평가 피드백을 역할별 지침으로 전환합니다. 이는 이후 사례에만 적용되므로, 점수가 부여된 과제를 다시 수행하지 않고도 절차적 적응을 평가할 수 있게 합니다. 평가 대상 스트림에서, FilingLoop은 요구사항 충족률을 24.28%에서 27.96%로, 전체 의견 해결률을 16.90%에서 20.75%로 높였으며, 고정 정책 방식 대비 총 비용은 5.8% 증가했습니다. FilingLoop은 에이전트가 발견한 문제점과 그가 확보한 기업 정보, 그리고 적용한 수정 사항을 연결하여, 후속 검토 과제에서 사용되는 절차에 대한 요구사항 수준의 피드백을 제공합니다.
주제: | 인공지능(cs.AI) 인용 형식: | arXiv:2610.37905 [cs.AI] | (또는
arXiv:2610.37905v1 [cs.AI] 이 버전의 경우) | https://doi.org/10.48550/arXiv.2610.37905
더 알아보기
DataCite를 통한 arXiv 발행 DOI(등록 대기 중)
투고 이력
논문 보기:
PDF 보기
HTML(실험적)
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
Google 학술검색
Semantic Scholar
북마크
기관
arXivLabs는 협력자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 일하는 개인과 조직 모두는 개방성, 커뮤니티, 우수성, 그리고 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 받아들였습니다. arXiv은 이러한 가치에 헌신하며, 이에 부합하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.