为什么更好的模型可以创建风险更高的系统：来自金融市场法学硕士代理人的证据

摘要

arXiv:2609.04373v1 Announce Type: new Abstract: Large language models (LLMs) are being deployed at scale in consequential real-world systems, from financial markets to content moderation to hiring. We...

that capability LLMs level and correlated models financial markets improving

2026-09-07 1 阅读约1分钟阅读 Jillian Ross, Eric So, Zoe De Simone, Charles Pozniak, Andrew W. Lo

arXiv:2609.04373v1 公告类型：新摘要：大型语言模型 (LLM) 正在大规模部署到相应的现实世界系统中，从金融市场到内容审核再到招聘。我们表明，提高个体模型能力可能会降低而不是改善系统级结果。我们假设共享培训和架构可以导致更有能力的法学硕士表现得更加相似，从而创建不会分散的相关行动。我们开发了一个总体框架，展示了这种相关性如何创建不可分散的风险底线，并使用基于代理的模拟与具有不同通用能力的 LLM 交易者测试其在金融市场中的预测。我们发现：（1）前沿法学硕士表现出显着相关的行为，并且随着能力的增加而增加；（2）当他们的共同推理准确时，增加代理人的参与会降低市场风险；（3）当代理人共享一个共同的错误信息环境时，相同的相关行为就会成为一种责任。总之，这些结果表明了一个能力悖论：改进单个模型并不一定会产生更好的系统级结果。其他领域是否也会出现同样的动态是一个开放的经验问题。

订阅66必读