研究人员推出了 FinPersona-Bench，这是一个模拟基准测试，旨在衡量指令显著性衰减（MSD），即自主金融代理中的行为指令在长期部署期间影响力逐渐减弱的现象。该基准测试使用将价格与基本面价值解耦的合成市场，以评估三种故障模式：无信号交易、崩盘期间的恐慌性抛售以及泡沫期间忽视价值。
- 对18个前沿和开源LLM的评估显示，MSD随时间累积并因模型而异。
- 在崩盘场景中，静态代理与接收周期性指令重新锚定的代理之间的行为差距从第一季度到最后一季度扩大了4.4倍。
- 指令重新锚定有助于低信号市场中的保守型代理，但在相同环境下会加剧激进型代理的不良行为。
研究结果表明，可靠的长期部署需要根据代理配置和市场制度进行选择性、感知指令的重新锚定。