Agentic AI 如何影响自动化市场的压力、流动性与波动:基于 DQN 与 REINFORCE 的智能体研究
研究用强化学习建模自动化市场中三类智能体——理性套利者、操纵者与散户跟风者,均基于价值型 Deep Q-Network(DQN)和带学习基线的 REINFORCE 训练。
研究用强化学习建模自动化市场中三类智能体——理性套利者、操纵者与散户跟风者,均基于价值型 Deep Q-Network(DQN)和带学习基线的 REINFORCE 训练。
研究将私人财富管理中经理委托 AI 建模为嵌套委托代理问题,以约束联合最大化为 AI 任务目标,并用瑞士、德国、奥地利法律框架界定授权与证据充分性。
一篇 30 页综述以“市场能否在不要求参与者披露全部信息的前提下高效公平地配置稀缺商品”为主线,梳理市场微观结构从场内交易员、电子限价订单簿与高频交易、批量拍卖与暗池、区块链自动做市商与区块构建者,到 AI 智能体的演变。
Zhenhao Fu 在 arXiv 发布论文,用 FRAIL 框架将 LLM 智能体置于银行挤兑、债务展期和奖励型众筹三类动态金融环境中,考察个体决策如何改变他人面临的金融条件。
一篇论文提出面向受监管保险公司的正式多智能体架构,将公司拆分为资本管理、承保、理赔、合规、欺诈检测和客户交互等专业智能体,并由编排智能体在 Solvency II、AI Act 和《保险分销指令》下监督协调。架构通过分层访问控制引入人在回路智能体,协议层基于异步执行与 MCP、A2A 双层通信。
研究提出一套面向受监管金融的合规优先 AI 架构,将监管视为导向层而非确定性规则集,通过监管意图与敞口矩阵分类,并由受治理的策略编译器映射为具体禁止项、义务与运行时预算。证据、决策与原因码绑定到许可制 DAG 并确定性时间戳,支持重放、溯源与失败归因;条款级法律索引含生效日期,配合基于能力的智能体路由,可在 DACH 及更广 EU 范围移植。
一项受控数据室审计发现,把证据移入被埋没的条件后,前沿模型在文档与图表问答中的准确率下降,被迫声明、工具调用次数和每个正确答案的成本均上升。审计还记录了一起生产事故:智能体将捏造的结构性结论与准确的数字表格混在一起,而置信度与基准校准未能完全反映错误答案。作者据此主张智能体评测应转向声明级凭证、条件感知评分与人工对抗性验证,而非排行榜式打分。
研究提出并评估以意图为中心的权限-推理分离(AIS)架构,机器生成的提案须经独立确定性控制平面校验智能体身份、授权与风险偏好沿革、政策版本、状态、审批及经济语义后,才能获得临时可执行权限。