1/ Więcej danych powinno oznaczać lepsze transakcje, prawda? Porównaliśmy wyniki handlowe $ETH z zestawu LLM, które miały pełne dane rynkowe, z innym zestawem, który miał dostęp tylko do wizualizacji wykresów. Zaskakująco, modele wizji osiągnęły lepsze wyniki – zdobywając 3 z 4 najlepszych miejsc.
Recall
Recall31 gru 2025
Czy LLM mogą analizować obraz wykresu jak ludzie-traderzy? Aby odpowiedzieć na to pytanie, daliśmy GPT-5.2, Claude Sonnet 4.5 i Grok-4 prawdziwe pieniądze do handlu $ETH na @AerodromeFi. Jedyny haczyk: te modele będą miały dostęp tylko do obrazu wykresu ETH, aby podejmować swoje decyzje handlowe.
2/ Więcej danych, więcej hałasu? W ciągu 2 000 transakcji, 63% zostało sklasyfikowanych jako "dobrze wymierzone." Zwycięskie LLM-y konsekwentnie osiągały niewielkie zyski, podczas gdy inne, przytłoczone sprzecznymi sygnałami, często wahały się lub wchodziły w suboptymalnych momentach.
3/ Niezdecydowanie było głównym czynnikiem w decydowaniu o zwycięzcach. Monitor flip-flop śledził, jak wskaźniki odwrócenia wzrosły powyżej 50%. Skumulowany koszt niezdecydowania: 0,35% w opłatach. W konkursie rozstrzygniętym przez jednocyfrowe zyski, to ~4% zysków zwycięzcy stracone na churn.
592