序列化提示優化

ATLAS

ATLAS 架構與 Adaptive-OPRO：將 LLM 推理轉為可審計訂單級交易決策

金融市場決策具延遲回饋與高噪音挑戰。本研究提出ATLAS框架，整合市場、新聞與基本面三類資訊，並以Adaptive-OPRO做序列化提示優化，引導中央交易代理輸出可執行訂單。實驗顯示Adaptive-OPRO在多種市場條件下優於固定提示，反思機制未必帶來一致收益。