Grandes Modelos de Linguagem (GML), como Transformadores Pré-treinados Generativos (GPTs), são úteis em várias áreas, como diagnósticos de saúde e relatórios de negócios, mas eles carecem da capacidade de priorizar tarefas eficientemente devido ao processamento de sua memória. Para melhorar isso, um novo framework multi-agentes de MLL com memórias em camadas é introduzido, o qual é particularmente efetivo para a negociação de ações e fundos.
Neste framework, um agente organiza a memória em três camadas, cada uma com um mecanismo de decaimento personalizado, para se assemelhar mais de perto aos processos cognitivos humanos. Os agentes também podem participar de debates entre agentes. Eles utilizam seu sistema de memória em camadas para integrar ações históricas e insights de mercado, permitindo que eles naveguem por mudanças financeiras, formulem estratégias e debatam decisões de investimento. Eles também possuem características de negociação individualizadas para melhorar a robustez das decisões.