架構(gòu)

圖片

上圖展示了本文的整體架構(gòu)：結(jié)合了傳統(tǒng)的統(tǒng)計技術(shù)和大型語言模型驅(qū)動的多智能體系統(tǒng)。首先利用從簡單的規(guī)則、無監(jiān)督學習和深度學習技術(shù)等現(xiàn)有手段，對金融表格數(shù)據(jù)中的異常進行識別。異常識別后，將數(shù)據(jù)傳到LLM多智能體系統(tǒng)中。

整個系統(tǒng)包括：數(shù)據(jù)轉(zhuǎn)換Agent、數(shù)據(jù)專家Agent、報告整合Agent、管理層討論。

其中數(shù)據(jù)專家Agent包括三個專家：

? 網(wǎng)絡(luò)調(diào)研專家：這位專家通過網(wǎng)絡(luò)資源的深入挖掘，如數(shù)據(jù)發(fā)布方的公告、頭條新聞或社交媒體動態(tài)，來核實異常信息的真?zhèn)巍?/p>

? 機構(gòu)智庫專家：充當資深市場分析師，這位專家運用深厚的領(lǐng)域知識為發(fā)現(xiàn)的異?，F(xiàn)象提供詳盡的背景和闡釋。其知識庫源自過往分析、數(shù)據(jù)供應(yīng)商的交流、歷史問題檔案及統(tǒng)計方法等。

? 交叉驗證專家：專注于利用其他可信來源進行數(shù)據(jù)對證，這位專家在驗證或駁斥已發(fā)現(xiàn)的異常中扮演關(guān)鍵角色。即便缺乏完全相同的數(shù)據(jù)集，專家也能參考趨勢相近的數(shù)據(jù)序列進行分析，比如對比同一市場的不同股票指數(shù)或研究相似期限的國債收益率。

比較有意思的是這個管理層討論：當專家分析匯總為摘要報告后，該報告便提交給一個管理層代理小組。小組成員各司其職，針對報告中的關(guān)鍵發(fā)現(xiàn)展開深入審查與討論。與專注于數(shù)據(jù)細節(jié)的數(shù)據(jù)專家代理不同，管理層代理被賦予宏觀視角，以模擬現(xiàn)實組織中的高層決策過程。這樣的設(shè)計讓戰(zhàn)略視角和更寬廣的背景得以在決策中發(fā)揮作用。代理們在討論中相互交流觀點，辯論不同解讀，并評估研究結(jié)果的影響。討論最終達成共識，明確接下來的行動方向。

標普500數(shù)據(jù)上的應(yīng)用

接下來，作者通過標普500指數(shù)的每日數(shù)據(jù)序列（1980年至2023年）的案例，實際展示了多智能體AI框架的操作應(yīng)用。詳細闡述了LLM支持的多智能體模型是如何處理和分析真實金融數(shù)據(jù)的，從發(fā)現(xiàn)異常到最終決策的每個環(huán)節(jié)都進行了闡釋。選擇標普500指數(shù)作為案例研究，意在突出該框架在處理金融數(shù)據(jù)集復雜性方面的高效能力。

第一步：異常值檢測

用Z-Score對標普500指數(shù)的漲跌幅數(shù)據(jù)進行異常值檢測。閾值是10個ZScore，以便精確地揪出重大異常值，專注于最突出的偏離情況。

圖片

在1987年10月19日、2008年10月13日和2020年3月16日這三個日期（見上圖）發(fā)現(xiàn)了三個異常值。為了進一步考驗框架的識別能力，還故意在數(shù)據(jù)集中加入了三個缺失值。發(fā)現(xiàn)異常后，這些數(shù)據(jù)點被轉(zhuǎn)換成機器可處理的格式（見下表），為AI代理的后續(xù)分析做好了準備。

圖片

第二步：數(shù)據(jù)問題 Agent

當接收到異常數(shù)據(jù)及其關(guān)聯(lián)的元數(shù)據(jù)時，負責提出數(shù)據(jù)問題的專家Agent在驗證異常的最初階段起著至關(guān)重要的作用。這位專家提出的問題是多方面的：它們既驗證了檢測到的異常的本質(zhì)，也探究了這些異常在歷史和市場背景下的重要性，并為進一步核實準備了適合LLM的問題。下表展示了如何指導該專家并讓其針對標普500指數(shù)中的異常情況進行回答。

圖片

圖片

第三步：數(shù)據(jù)專家 Agent

數(shù)據(jù)專家Agent 1: Web Research

圖片

數(shù)據(jù)專家Agent 2: 機構(gòu)智庫專家

圖片

數(shù)據(jù)專家Agent 3: 交叉驗證專家

圖片

第四步：報告整合專家 Agent

圖片

第五步：管理層討論

圖片

Arxiv^[1]

通往 AGI 的神秘代碼

if like_this_article():
    do_action('點贊')
    do_action('再看')
    add_wx_friend('iamxxn886')

if like_all_arxiv_articles():
    go_to_link('https://github.com/HuggingAGI/HuggingArxiv')    star_github_repo(''https://github.com/HuggingAGI/HuggingArxiv')

引用鏈接

??[1]?? Arxiv: https://arxiv.org/abs/2403.19735

本文轉(zhuǎn)載自 ??大語言模型論文跟蹤??，作者：HuggingAGI