RT-SIM: A Simulation Framework for Evaluating Large Language Models for Trade Reconstruction and Reconciliation in Financial Operations
تقدم هذه الورقة البحثية RT-SIM، وهو إطار محاكاة يوضح أن النماذج اللغوية الكبيرة الرائدة يمكنها إعادة بناء الصفقات بفعالية من مراسلات المتداولين لأغراض التسوية المالية، شريطة أن يكون الحوار صريحاً أو مجرد حوار مشوش، رغم أن الأداء ينخفض بشكل كبير في ظل الظروف الغامضة أو المتدهورة دلالياً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم المال كأنه لعبة تبادل بطاقات ضخمة وعالية السرعة، ولكن بدلاً من البطاقات الورقية، يقوم الناس بتبادل أصول رقمية بقيمة مليارات الدولارات كل ثانية. في هذه الساحة الفوضوية، هناك أمران بالغا الأهمية: التأكد من أنك تملك بالفعل البطاقات التي تعتقد أنك تملكها، والتأكد من أن خصمك لا يخفي سراً مجموعة من البطاقات المزيفة. هذه هي مهمة "تسوية الصفقات" (trade reconciliation)، وهو مصطلح منمق يعني التحقق من أن الصفقة التي أجريتها تطابق الصفقة التي سجلها الكمبيوتر. عادةً، يتم ذلك عن طريق مقارنة قائمتين من الأرقام. ولكن إليك المفاجأة: المتداولون لا يكتفون بكتابة الأرقام في أجهزة الكمبيوتر؛ بل يتحدثون مع بعضهم البعض. إنهم يدردشون، ويمزحون، ويتجادلون، وأحياناً يصيبهم الارتباك. لعقود من الزمن، تم تجاهل هذه المحادثات من قبل أنظمة السلامة لأنها كانت فوضوية للغاية بحيث يصعب قراءتها. والآن، وصل نوع جديد من "الأدمغة الحاسوبية" يُسمى "النموذج اللغوي الكبير" (LLM). فكر في النموذج اللغوي الكبير كأنه متدرب ذكي للغاية ولا يكل، يمكنه قراءة آلاف المحادثات الفوضوية ومحاولة معرفة ماهية الصفقة التي تمت بالضبط، حتى لو كان المتداولون يتحدثون في وقت واحد أو يستخدمون لغة عامية. السؤال الكبير هو: هل يمكن لهذا "المتدرب الخارق" أن يقوم بالمهمة فعلياً، أم أنه سيضيع في وسط الضجيج؟
هذا هو بالضبط ما سعى مارتن هيجينز وماكنزي كومون لاكتشافه في ورقتهم البحثية "RT-SIM". لم يكتفيا بالتخمين؛ بل قاما ببناء محاكاة تشبه ألعاب الفيديو تسمى "RT-SIM" لاختبار هذه الأدمغة الاصطناعية في بيئة خاضعة للسيطرة. تخيل أنهما أنشآ قاعة تداول افتراضية حيث يمكنهما برمجة متداولين ليكونوا مثاليين، أو مشتتين قليلاً، أو مرتبكين تماماً، أو حتى يتحدثون لغة غير مفهومة تماماً. ثم طلبا من نماذج ذكاء اصطناعي مختلفة الاستماع إلى هذه الدردشات وتدوين الصفقات التي سمعوها.
كانت النتائج واضحة بشكل مدهش. عندما تحدث المتداولون بوضوح، كان الذكاء الاصطناعي مذهلاً. استطاعت نماذج مثل GPT-4o-mini وClaude Haiku 4.5 إعادة بناء الصفقات بدقة تتجاوز 95%، حتى لو كان المتداولون يلقون بالكثير من الثرثرة غير ذات الصلة حول الطقس أو الغداء. اتضح أن الذكاء الاصطناعي بارع في تجاهل "الضجيج" والعثور على "الإشارة". ومع ذلك، في اللحظة التي بدأ فيها المتداولون يتحدثون بالألغاز، أو يتناقضون مع أنفسهم، أو يصيبهم الارتباك، انهارت دقة أداء الذكاء الاصطناعي. في سيناريو "الارتباك"، انخفضت الدقة لبعض النماذج من كونها شبه مثالية إلى أقل من 10%. وعندما تحدث المتداولون بهراء تام، لم يحاول الذكاء الاصطناعي اختلاق أشياء من عنده؛ بل اعترف ببساطة بأنه وجد صفراً من الصفقات، وهو أمر جيد في الواقع لأنه يعني أن الذكاء الاصطناعي لا يبتدع صفقات وهمية من العدم.
كما بحث الباحثون في التكلفة والسرعة. ووجدوا أن استخدام نماذج الذكاء الاصطناعي هذه رخيص للغاية، حوالي 0.0002 دولار لكل صفقة، مما يعني أنه يمكنك معالجة 10,000 صفقة مقابل دولارين فقط. كما كانت السرعة كافية لتكون مفيدة في الوقت الفعلي. الخلاصة الرئيسية ليست أن الذكاء الاصطناعي قد حل جميع المشكلات المالية، ولكنها تشير إلى أداة قوية جديدة: إذا استطعنا الاستماع إلى محادثات المتداولين، فقد نتمكن من رصد الأخطاء أو حتى الاحتيال بشكل أسرع بكثير مما نفعل اليوم. ومع ذلك، تحذر الدراسة من أن هذه الأداة لا تعمل إلا إذا كانت المحادثات منطقية بالفعل. فإذا كان المتداولون غامضين للغاية أو متناقضين، فلن يتمكن الذكاء الاصطناعي من المساعدة. لذا، بينما التكنولوجيا جاهزة وبأسعار معقولة، فإن الأمر يعتمد كلياً على جودة الدردشة البشرية التي تحاول فك رموزها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.