論文の概要: Who Should Be on the Panel? Task-Conditioned Persona Selection for LLM Trading Agents
- arxiv url: http://arxiv.org/abs/2611.18150v1
- Date: Fri, 13 Nov 2026 13:25:31 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:29:04.620427
- Title: Who Should Be on the Panel? Task-Conditioned Persona Selection for LLM Trading Agents
- Title(参考訳): パネルに誰がいるべきか : LLM取引エージェントのタスク・コンディション・ペルソナ・セレクション
- Abstract要約: FinPanelはLLMのマルチエージェントトレーディングシステムで、リクルーターが各株式に対して名前付きトレーディングペルソナのパネルを選択する。
マネジャーは、パネルの議論と彼らのデスク付き階層的なトラックレコードを読み、取引をコミットします。
トレーダーには何も戻らないため、パネルは選択されたパネルに留まり、空のレコードから新しい株を取引することができる。
- 参考スコア(独自算出の注目度): 40.99238215233274
- License:
- Abstract: Multi-agent LLM systems are built by fixing a cast of roles and then designing how the cast coordinates. Which agents should make up the group for a given task is left to the designer, and the same cast is reused for every task. Financial trading makes the cost of that choice visible: stocks trade differently, and the trading styles suited to one need not suit another. We study task-conditioned persona selection, composing the group from the characteristics of the task it will face, and instantiate it with FinPanel, an LLM multi-agent trading system in which a recruiter selects a panel of named trader personas for each stock from a direction-blind statistical sketch of how the stock trades, each persona gives an independent daily call in its own style, and a manager commits the trade after reading the panel's arguments and their desk-kept, hierarchical track records. Because nothing is returned to the traders, the panel stays the panel that was selected, and it can trade a new stock from an empty record. On eight US stocks over the out-of-knowledge year 2025, against three prior LLM trading agents re-implemented in the same framework and against rule-based, predictive and reinforcement-learning baselines, the selected panel is ahead of a fixed panel of the same size and of the prior agents run as their papers prescribe, with a shallower drawdown than buy-and-hold on every stock; it keeps its performance with no warm-up and with no record at all, whereas the memory-augmented agents' returns swing with their warm-up; and neither more seats nor the manager's reading of the arguments substitutes for selecting the right ones. Who is in the group is a design decision to be made per task, before how the group coordinates.
- Abstract(参考訳): マルチエージェントLLMシステムは、ロールのキャストを固定し、キャストの座標を設計することで構築される。
どのエージェントが与えられたタスクのためにグループを構成するべきかはデザイナに任せ、同じキャストがすべてのタスクで再利用されます。
金融取引は、その選択のコストを目に見えるものにしている。
我々は、課題条件付きペルソナの選択について検討し、課題の特徴からグループを構成し、FinPanelとインスタンス化する。これは、採用者が各株式について、その取引の方向性を示す統計的スケッチから、名前付きトレーダーのパネルを選定し、各ペルソナが独自のスタイルで個別のデイリーコールを行い、管理者がパネルの議論と、そのデスク中心の階層的なトラック記録を読んだ後、取引をコミットする、LLMマルチエージェントトレーディングシステムである。
トレーダーには何も戻らないため、パネルは選択されたパネルに留まり、空のレコードから新しい株を取引することができる。
2025年以前のLLMトレーディングエージェントが同じ枠組みで再実装され、ルールベース、予測および強化学習ベースラインに対抗して、選択されたパネルは、同じ大きさの固定パネルの前方にあり、前回のエージェントは、書類の定め通り、各株の購入と保持の幅が浅い。
グループのコーディネートを行う前に、誰がタスクごとに行うかという設計上の決定だ。
関連論文リスト
- Governed Self-Evolution for Autonomous Investing: A Multi-Agent LLM System with an Invariant Core [6.288734775961661]
我々は,その型システムにおける自己進化の境界を描画するマルチエージェントLLMシステムであるStewardを提案する。
4人のアナリストがニュースフィード、SEC(証券取引委員会)の申請書、マクロ経済シリーズ、および市場データを読み、タイプ付きレポートを発行する。
第2に、システム自身のレコードからコードによって組み立てられた7層共有メモリは、それぞれの決定にその位置コンテキストを与える。
第3に、システムはレビューによって改善されている。コードはすべての取引をグレードし、夜間に予測し、グレードをメモリに書き込む。
論文 参考訳(メタデータ) (2026-10-22T00:22:47Z) - Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems [103.90831279037094]
LLMベースのマルチエージェントトレーディングシステムは、研究プロトタイプから実際の資産を管理するライブデプロイメントへと急速に移行している。
破損した信号は最終決定に伝播し、実現された財政損失に変換される。
本稿では,金融分野において,敵対的信号がマルチエージェント取引システムにどのように入るのかを特徴付ける最初の体系的実証的研究について述べる。
論文 参考訳(メタデータ) (2026-08-25T05:07:37Z) - Training Small LLMs as Spatial Multi-Agent Policies [17.254137262162505]
空間的協調ゲームでは両スレッドを取り上げ、小さな凍結LDMは低レベル動作で失敗し、報酬はゼロとなる。
我々は,各ゲームに,記号プランナーによって実行される,型付けされた,状態対応可能な,短期水平動作という,象徴的な入力のライブラリを装備する。
各エージェントのLCMはオプションに対するポリシーとして機能し、エージェントごとのLORAアダプタはマルチエージェントGRPOのエージェントごとの変種によって訓練される。
論文 参考訳(メタデータ) (2026-08-02T18:14:40Z) - When Shippers Become Algorithms: Candidate Exposure, Information Design, and the Concentration of LLM-Mediated Freight Markets [0.0]
運送業者は、大型言語モデル(LLM)エージェントにキャリアの選択を委譲し始めている。
このようなデリゲートが貨物マッチング市場にどのような影響を及ぼすのか、どのプラットフォーム設計がそれを含んでいるのかを問う。
論文 参考訳(メタデータ) (2026-07-22T09:51:56Z) - Divide, Deliberate, Decide: A Multi-Agent Framework for Fine-Grained Egocentric Action Recognition [86.4487145812318]
エゴセントリックビデオにおけるきめ細かいアクション認識はビジョンランゲージモデルでは難しい。
完全ローカルでゼロショットのマルチエージェントフレームワークであるDivide, Deliberate, Decideを提案する。
実験により,本手法はベースライン上でのゼロショット動作認識性能を肯定的に向上することが示された。
論文 参考訳(メタデータ) (2026-06-16T07:31:27Z) - Predicting Decisions of AI Agents from Limited Interaction through Text-Tabular Modeling [20.47884338846419]
AIエージェントは、未知のエージェントと自然言語で交渉し、トランザクションします。
このような相互作用では、相手のLSM、プロンプト、制御ロジック、ルールベースのフォールバックが隠される。
エージェントがいくつかのインタラクションから、不慣れな相手の次の決定を予測できるかどうかを問う。
論文 参考訳(メタデータ) (2026-05-12T17:09:32Z) - ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks [0.0]
ActuBenchは、アクチュアリアセスメントアイテムの自動生成と評価のためのパイプラインである。
1つのエージェントがアイテムをドラフトし、1つはイントラクタを構築し、3つ目は独立して両方のステージを検証し、バウンドワンショットの修復ループを駆動する。
アイテム、モデルごとのレスポンス、完全なリーダーボードは、ブラウズ可能なWebインターフェースとして公開される。
論文 参考訳(メタデータ) (2026-04-22T07:20:03Z) - When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。
AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。
GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
論文 参考訳(メタデータ) (2025-10-13T17:54:09Z) - MALT: Improving Reasoning with Multi-Agent LLM Training [67.76186488361685]
MALT(Multi-Agent LLM Training)は、推論プロセスを生成、検証、改善ステップに分割する、新しいポストトレーニング戦略である。
MATH、GSM8K、CSQAでは、MALTは、それぞれ15.66%、7.42%、9.40%の相対的な改善で同じベースラインLLMを上回っている。
論文 参考訳(メタデータ) (2024-12-02T19:30:36Z)
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。