热点事件历史事件
LLM投资者模拟个体保真度评估
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
一项针对大语言模型（LLM）投资者模拟的研究，关注其在个体层面的保真度。2026年10月20日发表于arXiv人机交互领域的这项研究纳入80名参与者，进行纵向模拟交易。结果显示，所评估的LLM在预测参与者是否发生交易时，均未能可靠优于简单的近期活动持续性基线；在买卖结构和资产选择上也难以复现个体行为。消融实验显示，活动预测主要依赖近期交易信息，资产选择则对多种证据来源敏感。参与者认为，模型给出的解释更贴合其惯常策略，而非具体决策理由。研究据此提出，应将行为准确率、解释对齐与证据依赖分开评估。该研究为小样本、单一场景的模拟研究，结论不宜外推为LLM可替代真实投资者建模。
AI 根据报道生成 · 8 天前更新
最新进展10月20日 12:00
新研究纳入80名参与者，发现所评估LLM在预测交易发生上未可靠优于近期活动基线。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · Human-Computer Interaction超越行为准确率：评估 LLM 投资者模拟中的个体级保真度
一项针对 80 名参与者的纵向模拟交易研究发现，所评估的 LLM 在预测是否发生交易时均未能可靠优于简单的近期活动持续性基线，买卖结构和资产选择也难以复现。消融显示活动预测主要依赖近期交易，而资产选择对多种证据来源敏感；参与者认为解释更贴合其惯常策略而非具体决策理由。研究据此提出应将行为准确率、解释对齐与证据依赖分开评估。