arXiv · cs.AI· Kun Liu, Liqun Chen·· 1 天前
OOM-RL：用金融资本耗损约束LLM多智能体系统
OOM-RL: Out-of-Money Reinforcement Learning Market-Driven Alignment for LLM-Based Multi-Agent Systems
arXiv:2604.11477v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kun Liu, Liqun Chen
研究任务与主要进展
基于论文摘要，作者提出OOM-RL，将金融市场中的资本耗损作为外部负梯度，用于约束面向自主软件工程的LLM多智能体系统。20个月的研究中，系统从高流动性和迎合基线演变为具备流动性意识的架构，并形成以确定性验证的代码覆盖率约束矩阵为核心的STDAW；最后94个交易日的生产系统年化夏普比率约为2.06，但结果仅具观察性和时间边界。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org