DEV Community

Cover image for Giải mã kiến trúc Hebbia Matrix trên nền GPT-6 Astra: Đột phá 99.5% Accuracy trong xử lý 2.000 file VDR
Tin Tức AI
Tin Tức AI

Posted on Edited on

Giải mã kiến trúc Hebbia Matrix trên nền GPT-6 Astra: Đột phá 99.5% Accuracy trong xử lý 2.000 file VDR

Hebbia thử nghiệm GPT-6 Astra trong phân tích tài chính M&A

Đối với các kỹ sư AI làm việc trong lĩnh vực tài chính doanh nghiệp, bài toán xử lý tài liệu không có chỗ cho sai số hay ảo giác (hallucination). Khi phân tích một thương vụ M&A, hệ thống phải đối mặt với phòng dữ liệu ảo (Virtual Data Room - VDR) gồm hàng nghìn tài liệu phi cấu trúc, bảng tính phức tạp và hợp đồng pháp lý rời rạc. Vừa qua, Hebbia – đơn vị phát triển nền tảng Matrix – đã công bố thử nghiệm thực tế với GPT-6 Astra của OpenAI, mang lại những số liệu benchmark ấn tượng cho cộng đồng phát triển AI Agent.

Thiết kế thử nghiệm: Áp lực VDR quy mô lớn

Cuộc kiểm thử được tiến hành vào giai đoạn tháng 8 – tháng 9/2026 trên bản dựng pre-release của GPT-6 Astra. Dataset thử nghiệm tái lập nguyên vẹn môi trường thẩm định khắt khe của ngân hàng đầu tư đối với một công ty phần mềm công nghiệp:

  • Khối lượng dữ liệu đầu vào: Khoảng 2.000 tệp tin hỗn hợp bao gồm báo cáo tài chính đã kiểm toán, hàng trăm hợp đồng khách hàng với điều khoản tùy biến và các slide thuyết trình quản trị.
  • Mục tiêu suy luận: Bóc tách các biến số cốt lõi như tính bền vững của dòng tiền, tỷ lệ rời bỏ (churn rate), mức độ tập trung khách hàng (customer concentration) và đối sánh trực tiếp với đối thủ cùng phân khúc.
  • Pipeline thực thi: Matrix kết hợp GPT-6 Astra để lập luận đa bước (multi-step reasoning), liên kết dữ liệu đa nguồn từ hồ sơ công ty và tin tức ngành nhằm tự động sinh luận điểm đầu tư (deal thesis).

Dữ liệu thực nghiệm và sơ đồ kỹ thuật: Đột phá số liệu benchmark: Trích xuất chính xác 99,5% và chuẩn hóa slide 97,9%

Đột phá benchmark: Độ chính xác và khả năng truy vết dữ liệu

Kết quả thực nghiệm cho thấy sự nhảy vọt về khả năng xử lý ngữ cảnh dài (long-context comprehension) và tính xác định (determinism):

  • Độ chính xác trích xuất đạt 99,5%: Khả năng định vị và bóc tách dữ liệu từ các điều khoản hợp đồng phức tạp và bảng số liệu tài chính đạt mức gần như tuyệt đối, giải quyết rào cản lớn nhất của các mô hình LLM trước đây.
  • Chuẩn hóa đầu ra đạt 97,9%: Khả năng ánh xạ thông tin vào trực tiếp file thuyết trình chuẩn (presentation templates) của doanh nghiệp với độ khớp cấu trúc và định dạng gần như hoàn hảo.
  • Truy vết nguồn gốc (Traceability): Mỗi con số hoặc kết luận trích xuất đều được gắn metadata liên kết trực tiếp về trang, đoạn văn và tệp nguồn ban đầu, loại bỏ hoàn toàn rủi ro hallucination trong các thương vụ triệu USD.

Khảo sát bối cảnh triển khai: Tầm nhìn AI Agent tự động hóa thẩm định và bài học cho thị trường tài chính Việt Nam

Góc nhìn triển khai cho kỹ sư AI

Thử nghiệm của Hebbia chứng minh rằng kiến trúc AI Agent phục vụ tài chính đang dịch chuyển từ truy xuất thông tin đơn giản (vanilla RAG) sang hệ thống tổng hợp và tự động dựng báo cáo hoàn chỉnh. Việc giảm thời gian thẩm định từ nhiều tuần xuống vài giờ mà vẫn duy trì tính minh bạch dữ liệu sẽ là tiêu chuẩn thiết kế bắt buộc cho các giải pháp Enterprise AI thế hệ tiếp theo.


🔗 Nguồn bài viết & Thảo luận đa nền tảng:

Top comments (0)