LLM Knows Geometry Better than Algebra: Numerical Understanding of LLM-Based Agents in A Trading Arena
创建于 更新于
摘要
本文提出一种名为Agent Trading Arena的零和虚拟交易游戏，用于检验大型语言模型（LLMs）在动态复杂金融数值环境中的推理能力。实验证明，LLMs在处理纯文本数值数据时表现欠佳，偏向局部细节与代数推理，而在视觉化数值数据（如K线图）上表现显著提升，体现了几何推理优势。结合反思模块，进一步增强模型综合分析复杂数据的能力。基于纳斯达克股票数据的验证表明，视觉数据输入显著改善了LLM的投资表现，展示其在实际金融场景中应用潜力与局限性 [page::0][page::1][page::3][page::4][page::5][page::7]。
