Forma to transformer czytający sprawozdania finansowe jako zbiory krotek (konto, kwartał, wartość) i maksymalizujący logarytmiczną funkcję wiarygodności Gaussa na maskowanych krotkach. Na benchmarku ProForma-20Q obejmującym prognozy dla 78 pozycji sprawozdań finansowych na 1-20 kwartałów naprzód model wyprzedsza każdy porównywany konkurent: klasyczne algorytmy uczenia maszynowego, wzmacnianie gradientowe łańcuchowe, zero-shot'owy model fundamentalny szeregów czasowych i najnowsze duże modele językowe.
Ważność tego podejścia leży w tym, że większość wartości firm w standardowych wycenach zdyskontowanymi przepływami pieniężnymi znajduje się poza pierwszym rokiem prognozy. Żadna wcześniejsza praca nie łączyła prognozowania kompletnych sprawozdań finansowych poza jeden rok w ten sposób. Przewaga Formy rośnie wraz z horyzontem prognozy, gdy dokładność staje się krytyczna dla wyceny. Jej predyktywne przedziały Gaussa nigdy nie niedoszacowują niepewności, a prognozy prawie spełniają tożsamości księgowe.
Model oferuje także praktyczne możliwości: jego interfejs krotek wspiera analizę scenariuszy bez konieczności ponownego trenowania, a zespół wykazał, że ograniczenie przyszłych ścieżek przychodów doskonali dokładność pozostałych części sprawozdania. Badacze zapewniają, że dokładna koherentność księgowa jest osiągalna bez statystycznie istotnych strat w dokładności.