廣場
最新
熱門
新聞
我的主頁
發布
Ru7longcrypto
2026-04-12 08:07:05
關注
不建議用Agent去與莊共舞,因為LLM模型有很多隨機性,LLM 的本質不是策略引擎,而是概率生成器。
同一個 prompt,不同輸出 → 不穩定決策
你問他同一個問題都好幾個答案,而且cron腳本有約束,LLM模型是隨機性的,而且在很多時候很發揮,最糟糕的地方是memory,LLM模型是經常失憶的。
context window 有限 → 長期狀態丟失
memory 依賴外掛(vector DB / logs)→ 非強一致
retrieval 本身也是概率行為 → 會漏 / 會錯
而且最大的问题是主动MM是人类操控的,他的剧本有很多种,大部分Agent只能学习历史,无法预测未来。所以用Agent去交易妖币大概率会死得很慘。
👉 市場不是 stationary environment
MM 可以換劇本
可以反向利用你的策略去收割
可以製造“假歷史模式”然後在你以為的規律裡爆拉爆砸
而大多數 Agent 在做的是:
👉 用歷史數據去擬合一個“穩定規律”(AutoResearch會過度擬合)
但現實是:
👉 規律本身就是被人不斷打破的
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見
聲明
。
打賞
按讚
回覆
轉發
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
暫無回覆
熱門話題
查看更多
#
WCTC交易王PK
54.23萬 熱度
#
美國尋求戰略比特幣儲備
5876.36萬 熱度
#
比特幣ETF期權限額提高4倍#
102.91萬 熱度
#
#聯準會利率不變但內部分歧加劇#
4.3萬 熱度
#
DeFi4月安全事件損失超6億美元
1019.53萬 熱度
置頂
網站地圖
不建議用Agent去與莊共舞,因為LLM模型有很多隨機性,LLM 的本質不是策略引擎,而是概率生成器。
同一個 prompt,不同輸出 → 不穩定決策
你問他同一個問題都好幾個答案,而且cron腳本有約束,LLM模型是隨機性的,而且在很多時候很發揮,最糟糕的地方是memory,LLM模型是經常失憶的。
context window 有限 → 長期狀態丟失
memory 依賴外掛(vector DB / logs)→ 非強一致
retrieval 本身也是概率行為 → 會漏 / 會錯
而且最大的问题是主动MM是人类操控的,他的剧本有很多种,大部分Agent只能学习历史,无法预测未来。所以用Agent去交易妖币大概率会死得很慘。
👉 市場不是 stationary environment
MM 可以換劇本
可以反向利用你的策略去收割
可以製造“假歷史模式”然後在你以為的規律裡爆拉爆砸
而大多數 Agent 在做的是:
👉 用歷史數據去擬合一個“穩定規律”(AutoResearch會過度擬合)
但現實是:
👉 規律本身就是被人不斷打破的