TradingMoE：新的LLM方法通过自适应专家路由增强金融交易

研究人员开发了TradingMoE，一种新颖的稀疏专家混合（MoE）模型，专为金融分析和交易设计。该模型通过轻量级的残差专家增强了一个固定的密集LLM，并采用了一个查询-键（Query-Key）路由器，将token的专业知识与专家键进行匹配。TradingMoE还包含一个机制，可以随着市场条件的变化更新专家选择，从而比现有路由器具有更好的适应性。在股票和加密货币市场上的实验表明，与22个基线相比，累积回报有了显著提高。 AI

影响 这项研究可能通过提高LLM金融分析的适应性和效率，从而带来更复杂的AI驱动的交易策略。

排序理由 该集群描述了一篇详细介绍新模型架构及其实验结果的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• CORE Recommender
• cryptocurrency markets
• Hugging Face
• mixture of experts
• Query-Key router
• stock market
• TradingMoE

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →