本研究验证了扩展长短期记忆网络（xLSTM）与深度强化学习（DRL）融合在自动化股票交易场景中的应用潜力。实验表明，相较于传统LSTM架构，xLSTM在性能表现上实现了显著提升，有效克服了原始LSTM的局限性。

FinArena是一个开创性的人机协作框架，它利用一系列专门设计的大型语言模型（LLM）代理来执行金融数据分析和预测任务，目的是增强股票走势预测的精确度和可靠性。

本文介绍了一种将大语言模型（LLM）融入强化学习（RL）代理的方法，应用于算法交易中，该方法整合了股票交易建议与基于新闻的风险评估分数。

本研究提出MIGA混合专家模型，通过多专家协同机制提升股票市场预测精度。该方法验证了混合框架在量化投资中处理随机市场的可行性。在中证300、中证500及中证1000三大基准测试中，MIGA模型达到前沿性能水平，显著超越传统端到端预测方法。

本文介绍了一种新的基于多层感知器（MLP）的简化架构——StockMixer，该模型不仅易于优化，而且展现出了强大的预测能力。

本文提出了代理交易竞技场（Agent Trading Arena），这是一个基于零和游戏设计的平台，旨在模拟复杂的经济系统，并用于评估大语言模型（LLMs）在数值推理任务中的表现。

本文提出了一种名为UMI（Universal Multi-layer Irrationality Factor Mining Model）的通用多层市场非理性因子挖掘模型。该模型将市场中的非理性行为区分为两个层次：股票级和市场级。

本文介绍了一种名为“CryptoPulse”的新型预测模型，旨在预估加密货币次日的收盘价格。该模型融合了三个关键因素：整体市场的波动情况、特定加密货币的价格变动以及技术分析指标的变化，并结合了市场情绪的数据。

本研究提出MIGA混合专家模型，通过多专家协同机制提升股票市场预测精度。该方法验证了混合框架在量化投资中处理随机市场的可行性。在中证300、中证500及中证1000三大基准测试中，MIGA模型达到前沿性能水平，显著超越传统端到端预测方法。

本文介绍了一种将大语言模型（LLM）融入强化学习（RL）代理的方法，应用于算法交易中，该方法整合了股票交易建议与基于新闻的风险评估分数。