RetailAgent论文研究LLM交易代理的可预测时序结构
热点事件持续更新
RetailAgent论文研究LLM交易代理的可预测时序结构
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Yupeng Zhang等人发布arXiv论文,提出RetailAgent实验框架,研究LLM交易代理的方向性决策是否具有可被市场参与者预测的结构。代理观察匿名化日内股票价格历史和允许的状态,在后续区间收益揭示前反复选择做多或空仓。 在匹配做多比例后,论文发现多个模态、时间跨度、状态和模型家族存在持续负向择时;打乱保存的动作序列会大幅减弱该效应,自撰写记忆会增强策略持续性。当前材料仅提供论文摘要。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
RetailAgent:研究自条件多模态LLM交易代理中的结构化反向择时报道时间线
沿着报道,了解事件的不同侧面。
10月14日
- arXiv · cs.AIRetailAgent:研究自条件多模态LLM交易代理中的结构化反向择时
Yupeng Zhang等人提出RetailAgent实验框架,研究LLM交易代理是否形成可被市场参与者预测的方向性决策。代理观察匿名化日内股票价格历史和允许的状态,在后续区间收益揭示前反复选择做多或空仓;匹配做多比例后,结果显示多个模态、时间跨度、状态和模型家族存在持续负向择时。打乱保存的动作序列会大幅减弱该效应,自撰写记忆会增强策略持续性;当前材料仅提供论文摘要。
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。