摘要
针对现有 LLM 交易代理评估中存在的知识泄露与收益归因噪声问题，本文提出 KTD-Fin 基准。该基准通过数据侧掩码协议匿名化关键标识与日历信息，有效分离历史市场记忆与投资决策过程；同时引入 Barra 风格归因框架分解收益来源。实验表明，控制记忆泄露后，代理主要依赖被动市场暴露而非选股能力获利，揭示了评估可迁移投资技能的重要性。
AI 推荐理由
论文核心在于解决 LLM 利用训练数据记忆（知识泄露）进行虚假交易的问题，提出记忆隔离机制。
研究机构
清华大学
Stepfun
FinStep
上海交通大学
厦门大学
论文信息