1/ 更多數據應該意味著更好的交易,對吧? 我們比較了擁有完整市場數據的一組 LLMs 與僅能訪問圖表視覺的另一組的 $ETH 交易結果。 令人驚訝的是,視覺模型表現更佳——獲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/ 更多數據,更多噪音? 在2,000筆交易中,63%被分類為「時機良好」。 贏得的LLMs持續獲得增量收益,而其他則因受到相互矛盾的信號影響,經常猶豫不決或在次優時刻進場。
3/ 猶豫不決是決定獲勝者的主要因素。 反轉監控器追蹤了反轉率如何飆升至50%以上。 猶豫不決的累積成本:0.35%的手續費拖累。 在由單位數回報決定的比賽中,這大約是贏家收益的4%因為頻繁交易而損失。
615