ИССЛЕДОВАНИЕ · RESEARCH · #1012
META: многoагентная торговая система с эпизодической памятью (arXiv:2609.28771v1)
Новый препринт на arXiv описывает META — RAG-подобную многoагентную систему с эпизодической памятью для финансовых решений, объединяющую специализированных индикаторных агентов (например, Trend, MACD, RSI, SMA, AVWAP, Heikin-Ashi), агент принятия решений и модуль Памяти, сохраняющий и извлекающий прошлые торговые эпизоды в виде эмбеддингов состояния рынка с результатами и рефлексиями. Авторы сообщают об улучшении краткосрочной точности направления и устойчивости за счёт воспоминаний о похожих эпизодах и адаптивного переноса весов сигналов; код проекта опубликован на GitHub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Новый препринт на arXiv описывает META — RAG-подобную многoагентную систему с эпизодической памятью для финансовых решений, объединяющую специализированных индикаторных агентов (например, Trend, MACD, RSI, SMA, AVWAP, Heikin-Ashi), агент принятия решений и модуль Памяти, сохраняющий и извлекающий прошлые торговые эпизоды в виде эмбеддингов состояния рынка с результатами и рефлексиями.
- Авторы сообщают об улучшении краткосрочной точности направления и устойчивости за счёт воспоминаний о похожих эпизодах и адаптивного переноса весов сигналов; код проекта опубликован на GitHub.
- Эпизодическая память в агентах на базе LLM позволяет принимать режимно‑чувствительные, интерпретируемые и низколатентные решения, устраняя ограничения статических или ориентированных только на долгосрочный прогноз моделей.
ПОЧЕМУ ЭТО ВАЖНО
Эпизодическая память в агентах на базе LLM позволяет принимать режимно‑чувствительные, интерпретируемые и низколатентные решения, устраняя ограничения статических или ориентированных только на долгосрочный прогноз моделей.