# 多智能体大语言模型框架

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

TradingAgents 的 0.7.0 版让使用者拿自己的 ChatGPT Plus 或 Pro 订阅就能跑，并把回测改成按每次决策之后的第一个收盘价计分。此前的版本让回测只看每次分析日期当时已发布的数据，取数停在分析当天。框架按交易公司的岗位拆成多组专职智能体，从基本面、情绪、技术分析师到交易员和风险管理团队；0.7.0 还会在启动时提示是否已有更新版，每个 GitHub release 也附带 wheel 安装包。

TradingAgents 的 0.7.0 版让使用者拿自己的 ChatGPT Plus 或 Pro 订阅就能跑，并把回测改成按每次决策之后的第一个收盘价计分。此前的版本让回测只看每次分析日期当时已发布的数据，取数停在分析当天。框架按交易公司的岗位拆成多组专职智能体，从基本面、情绪、技术分析师到交易员和风险管理团队；0.7.0 还会在启动时提示是否已有更新版，每个 GitHub release 也附带 wheel 安装包。

多智能体大语言模型框架把神经网络调参限定在指定功能模块上，网络整体结构保持不变。此前这类关键组件多由人工选择，且已有智能体系统通常优化整个机器学习脚本或从文本描述搭建网络。框架由分析师、编码员和记录员三个角色组成，配合沙箱执行环境与实验日志，在五个任务上均优于基线：MNIST分类准确率提高13个百分点，Digits提高6个百分点，广义非线性薛定谔方程单孤子问题的相对误差降低约2491倍，守恒误差在选定运行中降低约325倍，Kuramoto–Sivashinsky问题的质量漂移降低14倍。

多智能体大语言模型框架把神经网络调参限定在指定功能模块上，网络整体结构保持不变。此前这类关键组件多由人工选择，且已有智能体系统通常优化整个机器学习脚本或从文本描述搭建网络。框架由分析师、编码员和记录员三个角色组成，配合沙箱执行环境与实验日志，在五个任务上均优于基线：MNIST分类准确率提高13个百分点，Digits提高6个百分点，广义非线性薛定谔方程单孤子问题的相对误差降低约2491倍，守恒误差在选定运行中降低约325倍，Kuramoto–Sivashinsky问题的质量漂移降低14倍。