研究：LLM交易代理现持续负向择时
热点事件持续更新
研究：LLM交易代理现持续负向择时
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
一项新研究提出 RetailAgent 框架，让大语言模型观察匿名化的日内股票价格历史，反复在“做多”与“空仓”之间选择，再揭晓下一时段的收益。作者称，在剔除整体做多比例后，模型仍表现出跨模态、跨周期、跨状态和跨模型家族持续存在的负向择时。 研究还称，打乱已保存的动作序列会显著削弱这一效应，说明动作与后续收益的对齐驱动了负分；将模型自撰的记忆输入决策，会进一步加剧策略的持续性。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
RetailAgent：自条件多模态 LLM 交易智能体中的结构化不利择时报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIRetailAgent：自条件多模态 LLM 交易智能体中的结构化不利择时
研究提出 RetailAgent 框架，让 LLM 观察匿名化日内股票价格历史并反复选择做多或空仓，在剔除整体做多比例后发现跨模态、跨周期、跨状态和跨模型家族持续存在的负向择时。打乱已保存的动作序列会显著削弱该效应，说明动作与后续收益的对齐驱动了负分；将自撰记忆输入决策会进一步加剧策略持续性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。