Emma

概要:

  • 大型语言模型（LLM），如生成式预训练变换器（GPT），在医疗诊断和商业报告等各个领域都很有用，但由于其记忆处理的能力不足，它们缺乏有效优先处理任务的能力。为了改进这一点，引入了一种新的具有分层记忆的LLM多智能体框架，对于股票和基金交易特别有效。
  • 在这个框架中，一个智能体将记忆分成三层，并采用自定义衰减机制，更接近人类的认知过程。智能体还可以进行智能体之间的辩论。它们利用分层记忆系统整合历史行动和市场见解，使其能够应对金融变化，制定策略，并进行投资决策的辩论。它们还配备了个性化的交易特征，以提高决策的稳健性。