摘要
在变化条件下的决策是现实世界系统的根本挑战。现有方法难以适应制度变迁且在不确定性下表现不稳定。本文探讨检索增强的 LLM 协调能否提升模块化决策管道的鲁棒性。我们提出 MultiHedge，一种混合架构，其中 LLM 基于检索到的历史先例生成结构化分配决策，并以标准期权策略为执行基础。在美国股票市场的受控评估中，结果显示记忆增强检索比单纯扩大模型规模能提供更强的鲁棒性与稳定性，证实了记忆与架构设计的关键作用。
AI 推荐理由
论文核心提出检索增强架构，证明记忆机制对决策鲁棒性的关键作用。
研究机构
The Faculty of Electronics and Information Technology, Warsaw University of Technology, Poland
论文信息