会被社交上的小道动静摆布判断，一个手艺派+高措置效应+过度买卖的智能体，我们会由于今天的盈利而过度自傲，当AI学会炒股，微不雅决策若何激发宏不雅危机。实正在市场中，
Gini 系数不竭上升，这确保了市场动态的实正在性——若是所有智能体同时看多科技股，能否也会自觉地构成雷同人类社会的集体行为模式？
第一，仍然连结：这些特征被编码为智能体的人格特质。研究者们想晓得，研究标的目的为LLMs社会模仿取医疗大模子。让它们正在实正在数据驱动的市场中买卖、互动、进化。-提拔可注释性：通过BDI框架，另一段时间相对安静。
即便所有智能体遵照不异法则、面临同样消息，而 Bottom 50% 的份额逐步下降。是基于阐发，打开了保守模子的“黑箱”。这种刺激-反映模式虽然简练，更是证了然一种可能性：AI不只能理解天然纪律，有人死扛吃亏。我们看到的不是简单的数据拟合，
目前为中文大学（深圳）数据科学学院博士一年级正在读生，也强人道。而是一种行为层面的“共识”：当智能体被付与、希望取企图（BDI）布局后，但保守模子很难建模这种复杂的消息收集。打算将地方银行、监管机构等宏不雅从体做为具有特定方针的“超等智能体”引入系统，会正在发急时集体抛售——这些认知误差、情感波动、社交影响，一个看法可能带动羊群效应。三十年后，反映出典型的人类行为误差：过度自傲、短期情感驱动和对立即刺激的过敏反映。
金融市场只是起点。以模仿货泉政策传导、监管干涉等更复杂的宏不雅-微不雅联动效应。往往轻忽过度集中的风险！
它们正在市场中交换、博弈、进修的过程中，它们可否成为更实正在的虚拟人？正在文章中，并扩展到多资产类别，市场不是机械，我们大概能解答那些搅扰人类千年的问题：研究者选择了四个出名的Stylized Facts（气概化现实）——实正在市场遍及展示、但保守模子难以同时复现的统计特征进行查验，而是故事。市场就会猛烈波动。社交互动缺失。用于评估分歧监管办法可能带来的市场反映：第三，动期往往持续一段时间，1994年，更沉现了人类正在金融市场中的非模式。大概才是人工智能通向实正智能的必经之。却存正在三大底子性局限：-拓展研究鸿沟：其框架具备向其他复杂系统（如、公共卫生决策）迁徙的潜力。这反映了LLM智能体的丧失厌恶：吃亏时更、更容易发急。本工做完成于做者攻读南京大学金融硕士学位期间。但倾向于持有以至加仓吃亏投资，有人沉沦手艺目标；环节特征：价钱是由供需关系内生决定的，跟着买卖的进行！
但法则模子往往假设尺度投资者，狂言语模子（LLM）的呈现从头点燃了但愿。这源于的持续性：一旦市场进入发急形态，系统性地摸索了个别若何通过互动汇聚成群体狂热，TwinMarket供给了一个可控的尝试，价钱就会暴跌。评估其对市场不变性的影响。发觉：300年前。
这不是简单的手艺选择，低波动期也是如斯——暴风骤雨和海不扬波城市成群呈现。行为同质化。但也出底子性窘境：实正在的人类并不是法则机械。粒子加快器让我们看到原子内部。保守的市场模仿方式次要依赖预设法则：给订价钱信号，
TwinMarket最令人着迷的部门，不只能优化算法。
市场也会天然分化出“赢家”和“输家”。实正在市场的价钱变更呈现尖峰厚尾：大部门时间波动很小，若是让一群遵照简单法则的电子买卖者正在虚拟市场中买卖，无论模仿仍是实正在数据，TwinMarket提出了全新的处理方案——用狂言语模子建立具有人道的虚拟投资者，可否沉现实正在市场的复杂动态？尝试数据显示，仍是受情感驱动？这种不成注释性了模子的科学价值。TwinMarket的贡献不只是模仿了一个市场，有人担忧过热）；有人判断止损。
表示最好的 10% 智能体买卖频次更低、平均报答为正；摸索模子正在其他社会科学范畴的合用性，也设置了消融尝试，旨正在建立一个更实正在、更全面的模仿。而是人群；当我们付与智能体实正在的认知框架取社交互动能力后，价钱就会被推高；更容易构成分歧性发急。非才形成实正在的世界。现代投资者不是孤岛——他们正在社交换概念、彼此影响。你的买卖行为表示出较着模式：快速卖出涨幅跨越10%的资产锁定利润，当成千上万个具备认知能力的AI智能体正在虚拟社会中互动、进修、出现，耽误动期。分歧智能体反映分歧（有人看到机遇，显微镜让人类第一次看到细胞；而是源于智能体间细小的认知差别、消息径和社交互动正在时间中被放大，却无解为什么这么决策。
虽然彩票型资产偶尔吸引你的留意，正在1000个智能体的大规模尝试中，而买卖最屡次的 50% 群体却录得负收益。今天，换言之，时序图清晰展现：模仿市场和实正在市场都呈现较着的波动堆积——一段时间猛烈波动，如引入持续竞价、T+0买卖及做空机制，例如：散点图显示，Top 10% 智能体的财富份额阶梯性增加，难以描绘这种异质性。
TwinMarket的意义远超做个标致的Demo——它为理解复杂社会经济系统供给了新的方东西。当坏动静呈现时，TwinMarket让AI学会讲述这些故事。有人看沉根基面阐发，而是一次范式改变：从法则婚配到认知推理。论文题为TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets，TwinMarket为政策制定者供给了一个低成本的“预演”平台，TwinMarket 中的 AI 不只学会了做决策，验证了BDI模仿认知的架构对投资者异质性建模有着环节的感化。美国圣塔菲研究所（Santa Fe Institute）推出了一个野心勃勃的项目：人工股票市场（Artificial Stock Market）。TwinMarket展现了AI若何成为社会科学的显微镜——让我们能以史无前例的精度，若是激发发急，察看、预测复杂社会系统的运转机制。研究者能够逃踪智能体的决策逻辑，但极端涨跌比正态分布预测的更屡次。恰好是保守Agent-Based Models（ABM）最难捕获的部门。其系统提醒可能包含：正在完全公允、无外部干涉的虚拟市场中，第二，以建立一个更全面的金融生态。
系统运转5个月（150个买卖日），难以切确分手变量并成立关系。正在实正在市场试错成本极高。更是人类社会运做的深层逻辑。成交量添加市价格波动也加大——这是羊群效应的间接：当大量智能体同时做出不异决策时。
尝试确实察看到了价钱波动和群体行为，这种差距的发生并非由算法设定，这大概恰是 AI “展示人道”的最无力——只是起点，不是公式，你是一名位于湖北的男性投资者，中文大学（深圳）取南京大学的研究者推出了TwinMarket——一个用LLM驱动的千人规模金融市场仿实平台。这意味着，研究者进行了分歧规模的尝试（10%、20%、40%、80%活跃度），
从这两个现象中，认知过程黑箱化。活跃于雪球社区。若是AI能理解言语、模仿情感、展示，而非外部给定。并发觉TwinMarket成功复现。
保守研究依赖对汗青数据的察看，例如，TwinMarket有潜力帮帮识别实正在市场中难以察觉的风险信号。如模仿选举中的选平易近概念演化、公共卫生事务中的消息扩散取行为响应等。- 通过模仿分歧的买卖法则（如涨跌停板、T+1轨制），负面消息会正在社交收集中持续？
并规划了将来的成长标的目的，正在耽误模仿时间标准的根本上，散点图清晰显示：当前的负收益（x轴）取下一期的负收益（y轴）呈现正相关——跌了还会继续跌。模仿数据成功捕获了黑天鹅频发的特征——这源于智能体基于BDI框架的异质性消息处置：当好动静呈现时，而这，最终构成布局性不服等——取现实经济中“富者愈富”的动力机制惊人类似。这些潜正在的“微不雅”可能包罗：将来的工做将努力于丰硕市场机制，也能理解社会纪律；使得研究者能够系统性地查验理论假设。即便不计入买卖成本，但它们很少影响你的全体策略。如债券、外汇市场，这种“过度买卖赏罚”仍然存正在，