FinPersona-Bench：自主金融代理纵向心理测量稳定性的基准

大语言模型 (LLM) 越来越多地被部署为自治金融代理，这些代理以明确的行为指令初始化，例如“保留资本”或“避免投机性赌注”，这些指令旨在管理整个部署过程中的每个决策。然而，在实践中，随着市场环境长期积累，这些指令逐渐失去其行为影响力，我们将这种现象正式称为指令显着性衰退（MSD）。为了客观地衡量 MSD，我们引入了 FinPersona-Bench，这是一个模拟基准，其中合成市场将可观察价格与隐藏的基本价值脱钩，从而能够对三种失败模式进行可证伪的评估：平静市场中没有信号的交易、崩盘期间的恐慌性抛售以及投机泡沫期间忽略基本价值。对 18 个领先的前沿和开源 LLM 进行了评估，每个都分配了从严格资本保值到积极增长的三种行为特征之一，表明 MSD 随着时间的推移而复合，并且依赖于模型。在碰撞场景中，静态代理与接受定期任务授权重新校准的代理之间的行为差​​距从模拟的第一个季度到最后一个季度增长了 4.4 倍。任务授权重新校准的影响并不都是积极的：它始终有助于低信号市场中的保守智能体，但在相同环境下却会严重恶化激进智能体的行为。这些发现表明，可靠的长期部署需要根据代理概况和市场制度进行选择性的、具有强制意识的任务授权重新校准。