黄页在线观看视频_日韩电影免费在线_精品剧情v国产在线观看在线_欧美国产精品久久_99精品国产99久久久久久福利_色无极亚洲影院_1区2区在线观看_精品久久久久久无

IT之家 11 月 4 日消息，美國研究機構 Nof1 最近發起了一項實盤測試：他們將六大頂級 AI 大語言模型（LLM）分別注入 1 萬美元作為起始資金，令其在真實市場中自主交易。

今日，第一屆 Alpha Arena 正式宣布結束，阿里旗下通義千問 Qwen3-Max 在最后關頭保持領先，以 22.32% 收益率奪得投資冠軍。

(相關資料圖)

Alpha Arena 目標是在一個動態、競爭的真實環境里檢驗這些模型在“量化交易”領域的能力。

雖然 AI 模型可以完成指定任務，但研究者指出：在風險管理、交易行為、持倉時長、方向偏好等方面，模型表現出顯著差異。

研究團隊強調，這并不是為了“選出最強模型”，而是為了推動 AI 研究從靜態、考試式的基準測試轉向對“真實世界”、“實時決策”的考察。

實驗設計

• 每款模型均擁有 1 萬美元（IT之家注：現匯率約合 71218 元人民幣）起始資金，用于在 Hyperliquid 交易平臺上交易加密貨幣永續合約（包括 BTC、ETH、SOL、BNB、DOGE、XRP）。
• 模型只能基于數值市場數據（價格、成交量、技術指標等）進行決策，不允許查閱新聞或時事信息。
• 每個模型的目標為“最大化 PnL（盈虧）”，并給出了夏普比率（Sharpe Ratio）作為風險調整后的指標。
• 交易動作被簡化為：買入（做多）、賣出（做空）、持有、平倉。所有模型使用相同提示詞（prompt）、相同數據接口、無特定微調。

初步結果

報告指出，雖然每個模型都在同樣結構下運作，但它們的交易風格、風險偏好、持倉時間、交易頻率存在明顯差異。例如：某些模型短倉（做空）次數較多，而另一些幾乎不做空。某些模型持倉時間長、交易頻率低，而另一些交易頻繁。

在數據格式敏感性方面，團隊觀察到：提示中若將“數據順序”由“新 → 舊”改為“舊 → 新”，即可修復部分模型因誤讀數據而產生的錯誤。

研究也指出，此次測試存在諸多局限：樣本有限、運行時間短、模型無往績歷史、無累積學習能力。團隊表示會在下一季引入更多控制、更多特性、更強統計實力。

意義與觀察

該項目試圖回答一個基本問題：“大型語言模型在無特定微調、僅憑數值數據輸入、在真實交易環境中，能否作為零樣本（zero-shot）系統交易模型？”

通過該實驗，Nof1 旨在促進 AI 研究轉向“舉辦真實、動態、風險驅動的基準”，而非僅僅靜態數據集。

雖然實驗尚未得出“哪款模型最強”的結論，但已揭示：即便是最先進的 LLM，在實際交易中仍面臨“動作執行”“風險控制”“市場狀態理解”“提示格式敏感性”等多方面挑戰。