本文提出了一种名为FLAG-TRADER的新型框架，创新性地融合大语言模型（LLMs）与强化学习（RL）技术应用于金融交易场景。

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。

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。