在交易系统中，大型语言模型（LLM）代理的使用日益普及，这些模型的推理、工具使用和持续决策会产生预期的交易价值成本。现有评估通常报告性能指标，但很少检查代理的可行性：即动态的LLM介导决策是否能将其产生的成本转化为可衡量的增量利润。
为此，我们引入了TradeLens，这是一种基于轨迹的诊断工具包，用于从交易记录、运行时跟踪和部署配置中评估代理交易系统。它重建交易轨迹，将利润和成本归因于可解释的证据，并诊断代理是否及为何能自我盈利。
我们对基础模型、资本规模、交易频率和系统架构进行了广泛分析，并讨论了部署情况。我们的结果表明，盈利能力取决于智能与利润的转换：模型表现出不同的失败模式，例如DeepSeek-V3.2中的资产选择不佳和GLM-4.7中的负时间决策，而资本规模、交易频率和架构仅通过放大或削弱决策相关的时间价值来影响结果。
这些发现将基于LLM的交易代理的评估框架从以能力为中心的性能排名转变为基于轨迹的智能与利润转换的诊断。
我们的代码可在 TradeLens 获取。
博主点评： 这项研究通过引入TradeLens工具，深入探讨了LLM在交易中的实际应用，强调了智能决策与盈利之间的关系，值得金融科技领域的从业者深入研究。