EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents
为解决LLM交易代理在变化市场中适应性不足的问题,提出EvolveTrade框架,通过累积决策轨迹和投资组合反馈动态调整策略,提高夏普比率和累计回报。
0 citationsRead paper
为解决LLM交易代理在变化市场中适应性不足的问题,提出EvolveTrade框架,通过累积决策轨迹和投资组合反馈动态调整策略,提高夏普比率和累计回报。
本文针对MoE模型在减少专家数量时产生的分布偏移问题,提出了一种名为LDA的轻量级推理时间校正方法来对齐表示,从而恢复性能。
为解决生物医学KGQA中的路径查找问题,提出AdaPath框架,通过从Path-Bank检索适应查询的元路径来有效剪枝密集知识图谱。
本文提出超级库代理问题,通过候选引导提取、代码库整合和上下文感知迁移等方法解决多应用间共享逻辑的冗余和结构侵蚀问题。
本文提出PolicyGuide方法,通过将策略编译为工作流图并使用主动验证器来指导客服LLM代理遵循多步骤程序,从而提高策略合规性。
为解决LLM交易代理在变化市场中适应性不足的问题,提出EvolveTrade框架,通过累积决策轨迹和投资组合反馈动态调整策略,提高夏普比率和累计回报。
本文针对MoE模型在减少专家数量时产生的分布偏移问题,提出了一种名为LDA的轻量级推理时间校正方法来对齐表示,从而恢复性能。
为解决生物医学KGQA中的路径查找问题,提出AdaPath框架,通过从Path-Bank检索适应查询的元路径来有效剪枝密集知识图谱。
本文提出超级库代理问题,通过候选引导提取、代码库整合和上下文感知迁移等方法解决多应用间共享逻辑的冗余和结构侵蚀问题。
本文提出PolicyGuide方法,通过将策略编译为工作流图并使用主动验证器来指导客服LLM代理遵循多步骤程序,从而提高策略合规性。