English(EN) Beyond Behavioral Accuracy: Evaluating Individual-Level Fidelity in LLM Investor Simulation

研究发现：大型语言模型投资者模拟缺乏个体层面保真度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

一项新的研究论文探讨了大型语言模型（LLM）在准确模拟个体投资者行为方面的局限性。研究发现，虽然LLM可以在一定程度上实现行为准确性，但它们难以忠实地重现个体随时间的具体决策逻辑、交易模式和资产选择。参与者认为LLM的解释与其总体策略更一致，而非其具体决策理由，这凸显了粗略的行为一致性与真正的个体层面保真度之间的差距。 AI

影响强调了在个性化模拟中使用LLM的挑战，表明需要超越行为准确性的单独评估指标。

排序理由在arXiv上发表的研究论文，详细介绍了LLM在特定模拟任务中的局限性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 7 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的研究论文，详细介绍了LLM在特定模拟任务中的局限性。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jiajie He, Yuanhong Jiang, Xintong Chen, Dongling Ni, Wenjin Liu · 2026-10-27 04:00

超越行为准确性：评估大型语言模型投资者模拟中的个体层面保真度

arXiv:2610.26524v2 Announce Type: replace Abstract: Large language models (LLMs) are increasingly used as user simulators, but can they faithfully reproduce an individual's behavior and decision logic over time? We investigate this question in a longitudinal paper-trading study w…

本文如何被排名

报道来源 [1]

超越行为准确性：评估大型语言模型投资者模拟中的个体层面保真度

相关实体

相关话题