論文の概要: Coinvisor: An RL-Enhanced Chatbot Agent for Interactive Cryptocurrency Investment Analysis
- arxiv url: http://arxiv.org/abs/2510.17235v1
- Date: Mon, 20 Oct 2025 07:23:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:39.348617
- Title: Coinvisor: An RL-Enhanced Chatbot Agent for Interactive Cryptocurrency Investment Analysis
- Title（参考訳）: Coinvisor: 対話型暗号通貨投資分析のためのRL強化チャットボットエージェント
- Authors: Chong Chen, Ze Liu, Lingfeng Bao, Yanlin Wang, Ting Chen, Daoyuan Wu, Jiachi Chen,
- Abstract要約: Coinvisorは、マルチエージェントフレームワークを通じて、暗号通貨投資の包括的な分析サポートを提供する。
鍵となるイノベーションは、多段階計画と多様なデータソースの柔軟な統合を可能にする強化学習ベースのツール選択メカニズムである。
その結果、Coinvisorはリコールを40.7%改善し、F1スコアは26.6%向上した。
- 参考スコア（独自算出の注目度）: 28.07709494185688
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The cryptocurrency market offers significant investment opportunities but faces challenges including high volatility and fragmented information. Data integration and analysis are essential for informed investment decisions. Currently, investors use three main approaches: (1) Manual analysis across various sources, which depends heavily on individual experience and is time-consuming and prone to bias; (2) Data aggregation platforms-limited in functionality and depth of analysis; (3) Large language model agents-based on static pretrained models, lacking real-time data integration and multi-step reasoning capabilities. To address these limitations, we present Coinvisor, a reinforcement learning-based chatbot that provides comprehensive analytical support for cryptocurrency investment through a multi-agent framework. Coinvisor integrates diverse analytical capabilities through specialized tools. Its key innovation is a reinforcement learning-based tool selection mechanism that enables multi-step planning and flexible integration of diverse data sources. This design supports real-time interaction and adaptive analysis of dynamic content, delivering accurate and actionable investment insights. We evaluated Coinvisor through automated benchmarks on tool calling accuracy and user studies with 20 cryptocurrency investors using our interface. Results show that Coinvisor improves recall by 40.7% and F1 score by 26.6% over the base model in tool orchestration. User studies show high satisfaction (4.64/5), with participants preferring Coinvisor to both general LLMs and existing crypto platforms (4.62/5).
- Abstract（参考訳）: 仮想通貨市場は大きな投資機会を提供するが、高いボラティリティや断片化情報といった課題に直面している。
データ統合と分析は情報投資決定に不可欠である。
現在、投資家は3つの主要なアプローチを使用している。(1)個々の経験に大きく依存し、バイアスに時間を要する様々なソースにわたる手動分析、(2)データ集約プラットフォームが機能と分析の深さに制限されていること、(3)静的事前学習モデルに基づく大規模言語モデルエージェント、そしてリアルタイムデータ統合とマルチステップ推論機能がないこと、である。
この制限に対処するため、Coinvisorは強化学習ベースのチャットボットで、マルチエージェントフレームワークを通じて暗号通貨投資の包括的な分析支援を提供する。
Coinvisorは、特殊なツールを通じて多様な分析機能を統合する。
その重要なイノベーションは、多段階計画と多様なデータソースの柔軟な統合を可能にする強化学習ベースのツール選択メカニズムである。
この設計は動的コンテンツのリアルタイムインタラクションと適応分析をサポートし、正確で実用的な投資洞察を提供する。
我々はCoinvisorをツールコールの精度とユーザスタディに関する自動ベンチマークで評価した。
その結果、Coinvisorはリコールを40.7%改善し、F1スコアは26.6%向上した。
ユーザスタディは高い満足度(4.64/5)を示し、参加者は一般的なLLMと既存の暗号プラットフォーム(4.62/5)の両方よりもCoinvisorを好む。
関連論文リスト
- Building crypto portfolios with agentic AI [46.348283638884425]
暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。
本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
論文 参考訳（メタデータ） (2025-07-11T18:03:51Z) - WebDancer: Towards Autonomous Information Seeking Agency [69.33360019344083]
エージェントシステムの最近の進歩は、自律的な多段階研究の可能性を強調している。
データ中心およびトレーニング段階の観点からエージェントを探索するエンドツーエンドのエージェント情報を構築するための凝集パラダイムを提案する。
我々はこのフレームワークを ReAct, WebDancer に基づいた Web エージェントでインスタンス化する。
論文 参考訳（メタデータ） (2025-05-28T17:57:07Z) - Towards Temporal-Aware Multi-Modal Retrieval Augmented Generation in Finance [79.78247299859656]
FinTMMBenchは、ファイナンスにおける時間対応マルチモーダル検索・拡張生成システムを評価するための、最初の包括的なベンチマークである。
NASDAQ 100社の異種データから構築されたFinTMMBenchには,3つの大きなメリットがある。
論文 参考訳（メタデータ） (2025-03-07T07:13:59Z) - Multimodal Stock Price Prediction [0.0]
さまざまなデータソースと機械学習を慎重に統合して、正確な株価予測を行うことがますます重要になっている。
本稿では,従来の財務指標,つぶやき,ニュース記事など,さまざまな情報源のデータを組み合わせて,株価予測のためのマルチモーダル機械学習手法を提案する。
論文 参考訳（メタデータ） (2025-01-23T16:38:46Z) - LLM-Powered Multi-Agent System for Automated Crypto Portfolio Management [9.9661459222949]
本稿では、暗号通貨投資のための説明可能なマルチモーダルマルチエージェントフレームワークを提案する。
当社のフレームワークでは、データ分析や文献の統合、投資決定といったサブタスクを処理するために、チーム内およびチーム間で協力する特殊なエージェントを使用しています。
論文 参考訳（メタデータ） (2025-01-01T13:08:17Z) - MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [92.40586697273868]
モノのインターネットのタイムリーな更新は、車載メタバースサービスの没入を実現するために不可欠である。
本稿では,フェデレーション学習による効率的なプライバシ保護データ提供を可能にする没入型モデルトレーディングフレームワークを提案する。
実験の結果,提案手法は最先端のベンチマークよりも優れていた。
論文 参考訳（メタデータ） (2024-10-25T16:20:46Z) - A Multisource Fusion Framework for Cryptocurrency Price Movement Prediction [5.252967226385235]
本研究では,X(旧Twitter)から得られた定性的な感情信号と,歴史的価格や技術的指標などの定量的な財務指標を統合するマルチソース融合フレームワークを提案する。
大規模なBitcoinデータセットの実験結果は、提案手法がシングルソースモデルを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2024-09-27T16:32:57Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳（メタデータ） (2024-03-19T09:45:33Z) - LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset,
Framework, and Benchmark [81.42376626294812]
本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。
我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。
本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
論文 参考訳（メタデータ） (2023-06-11T14:01:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。