KI News: Kurz und klar.

Eine neue Studie aus dem arXiv-Repository (ArXiv:2511.16375v1) untersucht, ob moderne Foundation‑Modelle wie Llama‑3.3‑70B‑Instruct bei der Vorhersage von Unternehmensinsolvenzen wirklich die Nase vorn haben. Die Forscher haben die Modelle gegen etablierte Machine‑Learning‑Baselines wie XGBoost und CatBoost auf einem riesigen, stark unausgeglichenen Datensatz von über einer Million Firmenakten aus der Visegrád‑Gruppe getestet.

In einer neuen Veröffentlichung auf arXiv wird das modulare Agenten-Framework TS‑Agent vorgestellt, das die Automatisierung von Zeitreihenmodellen für Finanzanwendungen neu definiert. Durch die Kombination von Large Language Models (LLMs) mit einer strukturierten Entscheidungsarchitektur ermöglicht TS‑Agent einen iterativen Prozess aus Modellwahl, Code‑Verfeinerung und Feinabstimmung, der sich dynamisch an die spezifischen Anforderungen des Finanzsektors anpasst.