تا به حال به این فکر کردید که چقدر میتوان به هوش مصنوعی برای پیادهسازی سیستمهای حساس مالی اعتماد کرد؟ محققان بهتازگی بنچمارک جدیدی به نام «Alipay-PIBench» را معرفی کردهاند که به طور تخصصی توانایی «کدنویسهای هوش مصنوعی» را در ادغام درگاههای پرداخت و مدیریت تراکنشهای واقعی میسنجد.
این بنچمارک شامل سناریوهای مختلفی از پیادهسازیهای پایه تا چالشهای پیچیده امنیتی است تا مشخص شود مدلهای زبانی در دنیای واقعیِ فینتک چه عملکردی دارند. نتایج نشان میدهد که مدلها با دریافت مهارتهای تخصصی (Skill)، تا حد زیادی در پیادهسازیِ درستِ جریانهای مالی دقیقتر عمل میکنند. قدمی مهم برای ساخت سیستمهای مالی خودکار و قابلاعتمادتر! 🚀
نویسی تک افزار
منبع: arXiv AI