研究人员开发了一个新颖的框架，通过利用大型语言模型作为裁判来评估代理股票预测系统。该系统将性能分解为六个特定维度，包括市场状态检测和风险校准，提供了比传统汇总指标更细致的评估。大型语言模型裁判，包括 GPT 5.4、Claude 4.6 Opus 和 Gemini 3.1 Pro，表现出高度的一致性，并与实际交易表现良好相关。这种行为评估随后被整合到强化学习反馈循环中，从而显著提高了预测准确性和交易策略。 AI
影响 为在金融预测等复杂决策任务中评估和改进人工智能代理引入了一种新方法。
排序理由 详细介绍人工智能系统新评估框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
