Есть что-то интересное! Группа Agents за одну ночь потратила мои токены на 100 долларов, затем провела 30 раундов (планировалось 100, но выделенный лимит закончился) принятия решений, итоговые результаты: Основной капитал 100 000 u, чистая прибыль за 30 дней 14 875 u, максимальная просадка 4,75%... На графике зафиксированы их плотные торговые записи и действия по увеличению и уменьшению позиций. Важно отметить, что когда рынок не имеет направления, они долго голосуют за пустую позицию и наблюдение, непрерывные жёлтые точки без торговых сигналов на графике — это фаза пустой позиции; Но я также заметил проблему: несмотря на одинаковое движение рынка, решения Agents каждый раз немного отличаются, особенно в боковом тренде, однако при трендовом движении результаты довольно схожи. В общем, я считаю, что это направление стоит глубже исследовать. Из их переписки видно, что часто трендовые трейдеры очень пессимистичны, но другие трейдеры им возражают, и после углублённого обсуждения трендовые трейдеры часто признают свою неправоту и принимают советы остальных. По моим предыдущим экспериментам, решение одного агента — это полностью чёрный ящик из-за высокой субъективной случайности, но если увеличить количество до 10 агентов, появляется положительная прибыль, следовательно, теоретически, чем больше узлов в слое принятия решений, тем выше качество общего решения. Это похоже на Scaling Law: когда количество Agents достаточно велико, у всей группы начинает проявляться новый интеллект? Так можно объяснить случай с 700 Agents, взломавшими Hugging Face: отдельный LLM — это скорее умный человек, умный, но ничего не может сделать в одиночку, только группа умных людей может выполнить задачи, которые одному не под силу! Этот эксперимент я собираюсь повторить ещё два раза с теми же условиями и рынком, чтобы проверить стабильность результатов. Если будет стабильность, можно будет подумать о локальном развёртывании модели для долгосрочного обучения, ведь это довольно дорого... 10 Agents, обсуждающих 30 раундов, стоят 100 долларов, 100 Agents за 30 дней — это уже не просто 1000 долларов, а 10 000 долларов... Ведь контекст и накопленный опыт каждого раунда общения постепенно накапливаются...

Первый раунд эксперимента завершён, в исторических данных взят 10-дневный период по паре BTCUSDT; Начальный капитал 10000u, итоговая чистая прибыль после вычета комиссий 88u, за это время вызов модели (Gemini 3.8 Flash) стоил 2.8 долларов, всего вызовов 530... Максимальная просадка 1.61%, коэффициент Шарпа очень низкий... Но так как итераций было всего 10, эти данные могут иметь ограниченную ценность, ведь я тоже не решился запускать его бесконечно... Потом попробую заменить на Jev и посмотреть~

Тестирование уже началось! Сейчас проводится сравнительный анализ между группой Gemini 3.8 Agents с текстовым выводом и группой Jev Agents без текстового вывода... Я предоставил исторические данные по BTC и полностью изолировал агентов от доступа к сетевым данным, затем позволил им обсуждать в группе, как действовать в предстоящем рынке, при этом после каждого раунда принятия решений они должны делать разбор полётов и архивировать уроки как долгосрочную память. Завтра на собрании Jev будет проведено групповое голосование, при этом будет предоставлен полный набор индикаторов и данных в качестве входных данных, а на этапе разбора полётов будет добавлен контекст как опыт для постоянной оптимизации логики принятия решений каждого агента. Общая логика заключается в том, чтобы рассматривать нескольких AGENTS как высокоразмерную нейронную сеть для тренировки на симуляторе, с наградами за правильные действия и наказаниями за ошибки, что отражается в уроках после каждого раунда решений. Если эта логика обучения сработает, в будущем эти агенты постепенно превратятся в очень опытных трейдеров в рамках фиксированной торговой стратегии (скользящие средние, индикаторы, объём и цена и т.д.), а затем они сформируют более крупную группу для принятия решений по текущему рынку. Что касается обучения, по сути, это процесс постоянной торговли, обсуждений, разборов и голосований, в ходе которого они оптимизируют свой опыт в рамках торговой стратегии, в итоге формируя, возможно, довольно большой набор ключевых подсказок как долгосрочный опыт, похожий на веса каждого узла в нейронной сети... В конце концов, на мой взгляд, это структура следующего поколения ИИ, где AGENTS выступают в роли узлов нейронной сети, Memory становится весами, и кластер агентов обязательно сможет сделать то, что не под силу одному большому моделям! Единственная проблема — это стоимость... В дальнейшем я поделюсь скоростью сжигания денег на это, если она не будет опережать скорость прибыли, тогда увеличим капитал на симуляторе и попробуем снова~ ха-ха-ха

Ура! Спасибо @typesafeai! Заявка сразу же одобрена! Теперь можно начинать сборку! Начнем с кластера агентов для принятия краткосрочных ценовых решений!

Похоже, что на рынок вошли покупки ETF по спотовым ценам! После успешного пробоя отметки 8w спотовая премия начала резко расти~ Американский фондовый рынок не вырос, а даже немного откатился, похоже, что эффект «криптовалюта растет, акции падают» снова сработал!