Große Sprachmodelle (LLMs) wie Generative Pre-trained Transformers (GPTs) sind in verschiedenen Bereichen wie der medizinischen Diagnostik und Geschäftsberichten nützlich, aber sie haben aufgrund ihrer Speicherbearbeitung Schwierigkeiten, Aufgaben effizient zu priorisieren. Um dies zu verbessern, wird ein neues LLM-Multi-Agenten-Framework mit geschichteten Erinnerungen eingeführt, das besonders effektiv für den Aktien- und Fondshandel ist.
In diesem Framework organisiert ein Agent das Gedächtnis in drei Schichten, von denen jede einen individuellen Zerfallsmechanismus aufweist, um menschliche kognitive Prozesse genauer nachzubilden. Die Agenten können auch interne Debatten führen. Sie nutzen ihr geschichtetes Speichersystem, um historische Aktionen und Markteinblicke zu integrieren, was es ihnen ermöglicht, finanzielle Veränderungen zu navigieren, Strategien zu formulieren und Investitionsentscheidungen zu debattieren. Sie sind außerdem mit individualisierten Handelseigenschaften ausgestattet, um die Entscheidungsrobustheit zu verbessern.