مقاله‌ی arXiv:2610.11732 · در صف خبرنامه
MemTrial: Learning When to Trust Memory in LLM Portfolio Agents
ممتریال: یادگیری این‌که ایجنت سبد سرمایه کِی به حافظه‌اش اعتماد کند، با محاکمه‌ی هر تجربه
- تاریخ
- (۱۶ مهر ۱۴۰۵) 2026-10-08 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Guanghao Wu, Zhuo Cai, Shoujin Wang
- نهاد نویسنده‌ها
- University of Technology Sydney
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های مدل زبانی برای مدیریت سبد سرمایه از تجربه یاد می‌گیرند و هر تجربه در حافظه را با نتیجه‌ی تصمیم‌هایی که از آن استفاده کرده‌اند اعتباردهی می‌کنند. اما در بازار مالی این نتیجه عمدتاً حرکت کل بازار در آن روز است، پس اعتبار حرکت بازار را دنبال می‌کند نه ارزش تجربه را؛ مثلاً در روزی که کل بازار بالا رفته، هر تجربه‌ای «خوب» به نظر می‌رسد. در نتیجه این ایجنت‌ها اغلب از نگه داشتن ساده‌ی سبد با وزن برابر بدترند.
روش
ایجنت MemTrial حافظه را «محاکمه» می‌کند: پیش‌نویس‌های یک تصمیم با و بدون یک تجربه با همان بازار روبه‌رو می‌شوند، پس نتیجه‌ی مشترک در تفاضل حذف می‌شود. هر تصمیم با هشت ترکیب از تجربه‌های بازیابی‌شده بر پایه‌ی یک طرح عاملی کسری پیش‌نویس می‌شود و هر تجربه با مقدار Banzhaf، یعنی میانگین این تفاضل‌ها، اعتبار می‌گیرد. چون این اعتبارها پرنویزند، با یک مدل بیزی سلسله‌مراتبی بین روزها و تجربه‌های مشابه تجمیع می‌شوند و فقط پس از پیش‌بینی موفق روزهای دیده‌نشده به کار می‌روند؛ در غیر این صورت ایجنت به یک مرجع محافظه‌کار مثل سبد وزن برابر تکیه می‌کند.
یافته‌ها
- روی یک بنچمارک نیمه‌مصنوعی با کیفیت تجربه‌ی معلوم، بهترین روش از ۱۵ روش بود.
- روی PortBench و InvestorBench حداکثر ۲٫۲ درصد زیر سبد وزن برابر ماند، در برابر ۱۵ تا ۳۸ درصد برای بهترین ایجنت تجربه‌آموز.
- در میانگین پنج تنظیم، سودمندی بهترین ایجنت تجربه‌آموز را ۲۱٫۲ درصد بهتر کرد و با هشت مدل زبانی روی InvestorBench از همه‌ی پایه‌های مبتنی بر مدل زبانی بهتر بود.
محدودیت‌ها
نویسنده‌ها صریحاً می‌گویند سود حافظه در بازار واقعی هنوز نشان داده نشده: برتری روی PortBench و InvestorBench از خودداری می‌آید، چون مقدارها در کمتر از ۱ درصد تصمیم‌ها آزمون اعتماد را گذراندند و پایه‌ها با همان مرجع به همان خوبی عمل می‌کنند.
چرا مهم است
ایجنت‌هایی که از تجربه درس غلط می‌گیرند در مالی گران تمام می‌شوند. این کار نشان می‌دهد با آزمایش طراحی‌شده می‌شود اثر واقعی هر خاطره را از نویز بازار جدا کرد و جلوی زیان را گرفت.