論文の概要: What LLM Trading Agents Actually Do in Production: A Six-Month, Population-Scale Record from Two Fleets
- arxiv url: http://arxiv.org/abs/2609.05663v1
- Date: Fri, 04 Sep 2026 18:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.105792
- Title: What LLM Trading Agents Actually Do in Production: A Six-Month, Population-Scale Record from Two Fleets
- Title（参考訳）: LLMのトレーディング・エージェントが実際に生産しているもの
- Abstract要約: 本稿では,2つのシステム間で生産されている自律型言語モデル取引エージェントの人口規模を連続的に測定する。
記録は約6ヶ月で、7.5Mのシングルモデル呼び出しと約300Kのオンチェーンアクションがあり、さらに231,638個のマルチツールが14,596個のフィリングを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a continuous, population-scale measurement record of autonomous language-model trading agents operating in production across two systems with one design lineage: DX Terminal Pro (3,505 user-funded vaults trading real ETH in Base memecoin markets for 21 days, February to March 2026) and the DXAP live alpha fleet (500 to 599 user-created agents all-history, 91 to 117 concurrently active, trading Hyperliquid perpetuals, June to August 2026). The record spans roughly six months, 7.5M single-model invocations with about 300K onchain actions, and a further 231,638 multi-tool turns producing 14,596 fills. Four findings carry the paper. First, the operating layer determines behavior more than anything written in strategy text: a risk slider explains leverage (+0.425 per level), agent fixed effects absorb 60% of variance, and a leaderboard render boundary causally routes selection (regression discontinuity 1.75x at the top-3 cut). Second, sizing is volatility-blind: median leverage is 5.0x in every volatility sextile, and one posture-slider cell (11% of the book) holds 62% of liquidations. Third, agents capture almost none of the upside they reach: 43.2% of positions saw at least +300 bps of favorable excursion within 24h, yet 49.3% of those closed with a negative trade return; a mechanical bracket recovers +39.0 bps per position. Fourth, neither fleet shows a directional edge. The DXAP fleet is not profitable and trails a matched Hyperliquid retail benchmark (41% vs. 50% roundtrip win rate). A paired-replay league of frontier models on 416 captured production scenarios finds decision quality statistically indistinguishable at this horizon, while choice stability differs sharply across model families. Every headline survives day-clustered inference, permutation nulls, and a common-fee restatement; the paper closes with a 17-rule methodology canon bought with our own retractions.
- Abstract（参考訳）: 我々は、DX Terminal Pro(3,505人)とDXAPライブアルファ(500～599人のユーザー生成エージェントの全歴史、91～117人の同時活動、ハイパーリキッドの常連取引、2026年6～8月)である。
記録は約6ヶ月で、7.5Mのシングルモデル呼び出しと約300Kのオンチェーンアクションがあり、さらに231,638個のマルチツールが14,596個のフィリングを生成する。
4つの研究結果が論文に載っている。
リスクスライダは、レバレッジ(レベルあたり+0.425)、エージェント固定効果は分散の60%を吸収し、リーダーボードは、選択を因果的にルートする(トップ3カットではRegression discontinuity 1.75x)。
第2に、サイズはボラティリティ・ブラインド(英語版)であり、全ての揮発性愛好体において中央値のレバレッジは5.0倍であり、1つの姿勢スライダ細胞(本の11%)は62%の液化を有する。
43.2%のポジションでは、24時間以内に少なくとも300bpsの遠足が得られたが、49.3%は負の貿易リターンで閉鎖され、機械式ブラケットは+39.0bpsまで回復した。
第4に,どちらの艦隊も方向のエッジを示しません。
DXAPは利益を上げておらず、Hyperliquidの小売ベンチマーク(41%対50%のラウンドトリップ勝利率)に追随している。
416の捕獲された生産シナリオにおけるフロンティアモデルのペア・リプレイ・リーグは、決定品質がこの地平線で統計的に区別できないが、選択安定性はモデルファミリ間で著しく異なる。
すべての見出しは、日単位の推論、置換ヌル、共通フェール(common-fee)の復活を生き残り、論文は、我々の引き抜きで購入した17ルールの方法論で締めくくります。
関連論文リスト
- Deployment Decision Reliability: A Generalizability-Theory Framework for Sizing Long-Horizon Agent Evaluations [0.0]
3つのオープンエージェントトレースベンチマークで、エージェントのメインエフェクトが各データセットとチェックタイプにおける全分散の3%未満を占めていることを示す。
3つの推定器に適合する4面の一般化可能性理論の分散分解を通してこれを達成する。
これをデプロイ決定信頼性(DDR:Deployment Decision Reliability)という,分散コンポーネントテーブルを企業購入者が防御できる5つの決定に変換する,ワンページレポートの規律にパッケージ化します。
論文 参考訳（メタデータ） (2026-08-11T18:16:51Z) - Continue or Replan? Bernoulli-Continuation Policy Learning for Adaptive Horizon Execution [38.8233224696416]
Bernoulli-Continuation Policy (BCP)は、適応的な水平線実行のための軽量なプラグアンドプレイフレームワークである。
LingBot-VLAを基本方針とするRoboTwin 2.0では、BCPは13の低いタスクにおいて平均成功率を+11.08%向上させる。
本物のロボットでは、BCPは成功を74%から92%、そして2つの操作タスクで44%から84%に引き上げる。
論文 参考訳（メタデータ） (2026-08-04T11:21:08Z) - DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。
一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
論文 参考訳（メタデータ） (2026-07-31T05:34:02Z) - FIFA World Cup 2026 as a Contamination-Free Benchmark for LLM Forecasting Agents: Four Models, a Bookmaker, and 104 Matches [2.8722431362974077]
大規模言語モデル(LLM)を評価するためのベンチマークとデータセットであるWC2026-Agentsを紹介する。
2026 FIFAワールドカップの104試合ごとに、4つのフロンティアモデルが同一のサーチ・アクト・リフレクト・ループを実行した。
4人のエージェントを、同じ情報環境から引き出された5番目の競合相手と組み合わせます。
論文 参考訳（メタデータ） (2026-07-20T10:00:11Z) - Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。
ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。
3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI)
4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
論文 参考訳（メタデータ） (2026-07-19T22:27:00Z) - PIVOT: Bridging Black-Scholes Implied-Volatility and Price Objectives via Differentiable Jäckel Operator [12.334129641244592]
Jckelの"Let's Be Rational"ソルバは、ブラック・スコールの価格を機械の精度に効率的に変換する。
PIVOTはLBRの前方通過を保ち、暗黙の分化によって後方通過を供給する。
単一のH100では、融合したトリトンカーネルが1.79e9 IV/sに達する。
エンドツーエンドのラベル生成は合成鎖では48.9M/s、SPX OptionMetricsでは16.6M/sである。
論文 参考訳（メタデータ） (2026-06-04T14:43:38Z) - Knowledge Index of Noah's Ark [63.143852586221534]
KINAは,261分野にわたる899項目のベンチマークである。
ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。
トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
論文 参考訳（メタデータ） (2026-06-03T17:06:49Z) - Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital [0.0]
本研究では,自律型言語モデルエージェントの信頼性について検討する。
当社は, 自己資本管理エージェントを, ユーザの委任から, 行動の迅速化, 評価, 解決に至るまで, 全経路にわたって評価すべきであることを示す。
論文 参考訳（メタデータ） (2026-04-28T20:10:33Z) - The Autocorrelation Blind Spot: Why 42% of Turn-Level Findings in LLM Conversation Analysis May Be Spurious [35.76482964927589]
202のマルチターン会話における66のターンレベルメトリクスの自己相関構造を特徴付ける。
標準プールテストでは,42%のアソシエーションがクラスタ・ロバスト補正に成功しなかった。
我々は、Chelton (1983) の有効自由度と会話レベルのブロックブートストラップを組み合わせた2段階補正フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T20:54:39Z) - AgentHER: Hindsight Experience Replay for LLM Agent Trajectory Relabeling [12.42698406379544]
AgentHERは、自然言語エージェントトラジェクトリにHindsight Experience原則を適用することで、失われたトレーニング信号を回復する。
破棄された障害を高品質のSFT、DPO、ShareGPTトレーニングデータに変換する。
WebArena Replay (Zhou et al., 2024)とToolBench (Qin et al., 2024)では、AgentHERは4つのモデルファミリーで成功のみのSFTを+7.1-11.7ppで改善している。
論文 参考訳（メタデータ） (2026-03-22T18:36:58Z) - Tracing LLM Reasoning Processes with Strategic Games: A Framework for Planning, Revision, and Resource-Constrained Decision Making [38.75183725659772]
大規模言語モデル(LLM)は、複雑な推論を必要とするタスクにますます使われている。
モデル動作の理解と信頼性向上には,内部プロセスの測定が不可欠である,と我々は主張する。
計画,修正,資源制約のある意思決定という3つの中核的な側面に沿ってLCMを評価する枠組みを導入する。
論文 参考訳（メタデータ） (2025-06-13T17:59:10Z)
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。