← Каталог

· AI Engineer New York 2026

Может ли ИИ разобраться в проблемном кредите?

Can AI Understand a Distressed Credit? - Harneet Kaur, Axim Intelligence

Пошаговая проверка рассуждений по слоям сводит две LLM к близким прогнозам банкротства компании, но правильность таких прогнозов без известного исхода пока не проверить.

  • Разделение рассуждения на слои — извлечение данных, их сверка, вывод производных показателей и суждение о дистрессе проверяются отдельно. Например, EBITDA и долг извлекаются, соотношение долга к EBITDA считается отдельно, и только потом делается вывод о дистрессе.
  • Одинаковый контекст, разные ответы — на кейсе iHeartMedia при одних и тех же структурированных данных Astra склонялась к переговорной реструктуризации, а Opus изначально давала банкротство 62%. После структурированного процесса обе модели, по словам автора, сошлись примерно на 25% вероятности банкротства.
  • Согласие не равно правоте — автор подчёркивает, что исход кейса ещё неизвестен, а историческая проверка рискует look-ahead bias, поэтому оценка остаётся непроверенной.
  • Сходимость как сигнал рынка — автор предполагает, что процесс, дающий одинаковые вероятности исходов, по смыслу близок к рыночной цене. Это идея, а не результат.

Кому полезно: тем, кто строит LLM-пайплайны для анализа финансовых документов и хочет проверять промежуточные шаги, а не только итоговый ответ.

Статья по теме

Главы

Похожие доклады