利润幻象：重审 LLM 基于金融智能体中的信息泄漏
人工智能
2025-10-10 v1
摘要
基于大语言模型的金融智能体因其能够如同专家般进行交易交易而引发广泛热议。然而，大多数系统都会出现“利润幻象”：惊人的数据回测收益一旦模型的知识窗口结束便会消失，因为 LLM 本身存在信息泄漏。本文系统性地从四个维度量化了这一泄漏问题，并发布了面向信息泄漏鲁健性评估的基准数据集 FinLake-Bench。此外，为缓解此问题，我们引入 FactFin 框架，通过对事实进行反事实扰动，迫使 LLM-based 智能体学习因果驱动因素而非记忆化的结果。FactFin 集成了四个核心组件：策略代码生成器、检索增强生成、蒙特卡洛树搜索和反事实模拟器。大量实验表明，我们的方法在样本外泛化方面超越了所有基线，实现了卓越的风险调整收益。
引用
@article{arxiv.2510.07920,
title = {Profit Mirage: Revisiting Information Leakage in LLM-based Financial Agents},
author = {Xiangyu Li and Yawen Zeng and Xiaofen Xing and Jin Xu and Xiangmin Xu},
journal= {arXiv preprint arXiv:2510.07920},
year = {2025}
}