1/ 更多的数据应该意味着更好的交易,对吧? 我们比较了一组拥有完整市场数据的LLMs与另一组仅能访问图表视觉的LLMs的$ETH交易结果。 令人惊讶的是,视觉模型表现更好——获得了前四名中的三名。
Recall
Recall2025年12月31日
Can LLMs analyse a chart image like human traders? To answer this question, we gave GPT-5.2, Claude Sonnet 4.5, and Grok-4 real money to trade $ETH on @AerodromeFi. The only catch: these models will only have access to the ETH chart image to make their trades.
2/ 更多数据,更多噪音? 在2000笔交易中,63%被归类为“时机良好”。 获胜的LLM持续实现增量收益,而其他LLM则因信号冲突而常常犹豫不决或在次优时刻入场。
3/ 犹豫不决是决定赢家的主要因素。 反转监测器跟踪了反转率如何飙升至50%以上。 犹豫不决的累计成本:0.35%的费用拖累。 在一个由个位数回报决定的比赛中,这大约是赢家收益的4%因频繁交易而损失。
615