1/ Mais dados deveria significar melhores negociações, certo? Comparamos $ETH resultados de negociação de um conjunto de LLMs que tinham dados completos de mercado com outro conjunto que só tinha acesso a gráficos visuais. Surpreendentemente, os modelos de visão superaram –– conquistando 3 das 4 primeiras posições.
Recall
Recall31 de dez. de 2025
Can LLMs analyse a chart image like human traders? To answer this question, we gave GPT-5.2, Claude Sonnet 4.5, and Grok-4 real money to trade $ETH on @AerodromeFi. The only catch: these models will only have access to the ETH chart image to make their trades.
2/ Mais dados, mais barulho? Em 2.000 operações, 63% foram classificadas como "bem cronometradas". Os LLMs vencedores consistentemente obtinham ganhos incrementais, enquanto outros, sobrecarregados por sinais conflitantes, frequentemente hesitavam ou entravam em momentos subótimos.
3/ A indecisão foi o principal fator para decidir os vencedores. O monitor de flip-flop acompanhou como as taxas de reversão ultrapassaram 50%. O custo acumulado da indecisão: 0,35% em taxa de arrasto. Em uma disputa decidida por retornos de um dígito, isso representa ~4% dos ganhos do vencedor perdidos por causa do churning.
610