TraderBench

arXiv新上线的研究论文《TraderBench: How Robust Are AI Agents in Adversarial Capital Markets?》，对13款主流AI模型在对抗性市场环境中的表现进行了压力测试。

核心发现

• 长链推理（CoT）的局限性：CoT虽能显著提升检索准确度（+26分），但对实际交易收益（+0.3分）几乎没有帮助。
• 策略僵化：在加密货币和期权交易的对抗性模拟中，即便拥有"思考（Thinking）"模式的模型，在面对市场操纵时也表现出严重的策略僵化。
• 结论：目前的AI智能体尚不具备真正的动态市场博弈能力。

行业意义

TraderBench的研究结果挑战了业界对AI Agent能力的乐观预期，为[[智能体博弈能力]]概念提供了实证基础，也为[[ai-junior-engineer]]框架中"AI初级工程师需要人类监督"的论点提供了支持。