1/ Enemmän dataa pitäisi tarkoittaa parempia kauppoja, eikö? Vertailimme $ETH kaupankäyntituloksia joukosta LLM:istä, joilla oli täydelliset markkinatiedot, toiseen ryhmään, jolla oli pääsy vain kaavion visuaaleihin. Yllättäen näkömallit suoriutuivat paremmin –– saavuttaen kolme neljästä parhaasta sijasta.
Recall
Recall31.12.2025
Voivatko LLM:t analysoida kaaviokuvaa kuten ihmiskauppiaat? Vastataksemme tähän kysymykseen annoimme GPT-5.2:lle, Claude Sonnetille 4,5 ja Grok-4:lle oikeaa rahaa $ETH-kauppaa varten @AerodromeFi. Ainoa koukku: näillä malleilla on pääsy vain ETH-kaaviokuvaan kauppojen tekemiseen.
2/ Enemmän dataa, enemmän kohinaa? 2 000 kaupasta 63 % luokiteltiin "hyvin ajoitetuiksi". Voittavat LLM:t tekivät jatkuvasti asteittaisia edistysaskeleita, kun taas toiset, ristiriitaisten signaalien alla, usein epäröivät tai astuivat sisään epäoptimaalisilla hetkillä.
3/ Epäröinti oli ratkaiseva tekijä voittajien ratkaisemisessa. Flip-flop-monitori seurasi, kuinka käänteisprosentit nousivat yli 50 %:iin. Päättämättömyyden kumulatiivinen kustannus: 0,35 % kulun kulusta. Kilpailussa, joka ratkeaa yksinumeroisilla tuotoilla, se on ~4 % voittajan voitoista, jotka menetetään churningissa.
703