RetailAgent研究LLM交易代理的负向择时结构

2026年10月15日，一篇发表于arXiv人工智能分类的研究论文提出RetailAgent实验框架，用于检验大语言模型（LLM）智能体是否存在方向性结构。据该论文，RetailAgent让LLM观察匿名化的日内股价历史与允许状态，在每段区间收益揭晓前反复选择做多（持有股票）或空仓（不参与），并以剔除整体做多比例后的暴露匹配指标衡量择时表现。论文称，该指标在多种模态、时间跨度、状态和模型族上均呈持续负值；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应关系驱动了负分。论文还称，将自撰记忆注入决策会进一步提高策略持续性，且在智能体同时使用两种动作的股票日上择时更差。上述内容均来自该论文自述，尚未见后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。