MemTrial：用Banzhaf值判断LLM组合Agent何时信任记忆

Guanghao Wu、Zhuo Cai、Shoujin Wang 在 arXiv 发布论文（v2），提出 MemTrial 框架：让 LLM 投资组合 Agent 判断何时应信任检索到的经验记忆。方法是将同一决策在有无某段记忆时置于相同市场环境，以两种结果差异计算该记忆的 Banzhaf 值；每个决策用部分因子设计生成 8 种记忆组合，再用分层贝叶斯模型跨日期和相似经验汇总噪声信用。只有在信用预测未见日期后才据此行动，否则退回 1/N 等权组合。 论文声称在四个基准上验证，五个设置平均将最佳经验学习 Agent 的效用提升 21.2%，并用 8 个 LLM 在 InvestorBench 上超过所有基于 LLM 的基线。以上为论文声称结果，本站未独立核验。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。