ACE-Trader 发布：LLM 交易对抗新框架

2026年10月20日，arXiv 平台发布论文《ACE-Trader: Adversarial Co-evolution Trading Framework》。该工作由 Chang Zhou 等人提出，旨在解决 LLM 交易在单一市场下的经验失效与归因难题。框架设计引入了上下文依赖的记忆选择器，并共享交易记录，允许 LLM 交易员与红队代理在各自演进行为中持续学习。 在实证部分，该团队在美国股市环境下运行了 22 个活跃基准。ACE-Trader 的累计收益在这些基准中排名第一，同时实现了最高的夏普比率与最低的最大回撤。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。