لائیو کرپٹو اور اسٹاک مارکیٹوں میں LLM ٹریڈنگ ایجنٹس کا معیار بندی جائزہ

خلاصہ

یہ مقالہ ایجنٹ مارکیٹ ایرینا متعارف کراتا ہے، جو کرپٹو کرنسی اور اسٹاک مارکیٹوں میں بڑے لینگویج ماڈل ٹریڈنگ ایجنٹس کے جائزے کے لیے مسلسل حقیقی وقت کا معیار ہے۔ اس فریم ورک میں تصدیق شدہ ٹریڈنگ ڈیٹا، ماہرین کی جانچی ہوئی خبریں اور ایجنٹس کے متعدد ڈیزائن شامل ہیں، تاکہ لائیو حالات میں نظاموں کا تقابل کیا جا سکے۔ اس کی وجہ یہ ہے کہ سابقہ جائزوں میں اکثر محدود اثاثے یا مدت استعمال ہوئی، مکمل ایجنٹس کے بجائے صرف ماڈلز آزمائے گئے، یا ایسا ڈیٹا لیا گیا جس کی آزادانہ تصدیق نہیں ہوئی۔

اس معیار میں مختلف خطرہ انداز رکھنے والے ایجنٹس اور یادداشت پر مبنی استدلال استعمال کرنے والا ایک ایجنٹ شامل ہے، اور ان کا جائزہ زبان کے متعدد ماڈل بیک بونز کے ساتھ لیا جاتا ہے۔ رپورٹ کردہ لائیو تجربات میں بنیادی ماڈلز کے مقابلے میں ایجنٹ فریم ورکس کے رویوں میں زیادہ فرق ملا، جو جارحانہ سے محتاط فیصلوں تک پھیلا ہوا تھا۔ خلاصۂ مقالہ AMA کو مسلسل اور قابلِ تکرار جائزے کے بنیادی ڈھانچے کے طور پر پیش کرتا ہے؛ اس میں کارکردگی کے اعداد، معیار بندی کی مدت یا اسٹریٹیجیز کے تقابل کے تفصیلی کنٹرولز نہیں دیے گئے۔ نتائج مشاہدہ شدہ رویوں کے فرق سے متعلق ہیں اور یہ ثابت نہیں کرتے کہ کوئی ایجنٹ مسلسل منافع بخش ہے۔

اہم خیالات

• ایجنٹ مارکیٹ ایرینا کرپٹو اور اسٹاک مارکیٹوں میں LLM ٹریڈنگ ایجنٹس کے لیے حقیقی وقت کا معیار ہے۔
• فریم ورک تصدیق شدہ ٹریڈنگ ڈیٹا، جانچی ہوئی خبروں اور متنوع ایجنٹ ساختوں کو یکجا کرتا ہے۔
• جائزے میں مختلف خطرہ انداز اور یادداشت پر مبنی استدلال رکھنے والے ایجنٹس شامل ہیں۔
• لائیو تجربات میں ماڈل بیک بونز کی نسبت ایجنٹ فریم ورکس کے رویوں میں زیادہ فرق رپورٹ ہوا۔
• خلاصۂ مقالہ معیار بندی کی شراکت بیان کرتا ہے، مگر منافع کے اعداد یا جائزے کے تفصیلی کنٹرولز نہیں دیتا۔

ٹیگز

# When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents


# When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents









Although Large Language Model (LLM)-based agents are increasingly used in financial trading, it remains unclear whether they can reason and adapt in live markets, as most studies test models instead of agents, cover limited periods and assets, and rely on unverified data. To address these gaps, we introduce Agent Market Arena (AMA), the first lifelong, real-time benchmark for evaluating LLM-based trading agents across multiple markets. AMA integrates verified trading data, expert-checked news, and diverse agent architectures within a unified trading framework, enabling fair and continuous comparison under real conditions. It implements four agents, including InvestorAgent as a single-agent baseline, TradeAgent and HedgeFundAgent with different risk styles, and DeepFundAgent with memory-based reasoning, and evaluates them across GPT-4o, GPT-4.1, Claude-3.5-haiku, Claude-sonnet-4, and Gemini-2.0-flash. Live experiments on both cryptocurrency and stock markets demonstrate that agent frameworks display markedly distinct behavioral patterns, spanning from aggressive risk-taking to conservative decision-making, whereas model backbones contribute less to outcome variation. AMA thus establishes a foundation for rigorous, reproducible, and continuously evolving evaluation of financial reasoning and trading intelligence in LLM-based agents.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔