用于支持金融智能体的确定性模型

**TLDR**：你不能信任大语言模型来构建复杂的时序计算。我正在探索一种类似图的系统来对事件建模，让大语言模型既能理解又能构建。视频中有一个柠檬水摊位的例子，只涉及几个变量。概念视频链接在评论区。 我的核心观点是：多年之后，没有人会信任大语言模型来运行复杂的时序金融计算。目前的挑战在于，像 5 × 4 这样的简单计算，大语言模型其实并没有真正计算。它只是在记忆中存储了这样的模式。再高一个层次是类似房贷计算这样的场景，模型可能会临时生成一小段代码。无法保证它每次都以相同的方式执行，而且始终有写错代码的可能。对于房贷计算这样简单的事情，出错的概率很小，但确实存在。 再往下一个层次是复杂模型：不同日期发生的事件，以及其中大量的依赖关系。可以是像 SaaS（软件即服务）模型这样基础的东西，包含客户分群、不同定价层级和流失率。而且即使它算对了，大多数时候被保存下来的只是结果。它构建结果的实际步骤会随时间丢失。作为用户，你无法轻松接入这个生态系统去验证这些计算。这本质上是一场信任游戏，这也是为什么在我看来，我们并没有看到太多成功的金融 AI 智能体。如果真有什么进展的话，它们最多是在用 Excel 模型作为事实来源，但这些模型缺乏上下文。它不知道你为什么在这个单元格填 5、在那个单元格填 26，也不知道这些数字除了旁边的标签之外代表什么。 多年前，我开始构建一个基于节点的图系统来运行金融计算。我投入了大量自有资金来开发它，虽然在技术上很扎实，但学习曲线对任何感兴趣的人来说都是一道门槛。现在有意思的是，大语言模型可以轻松理解核心概念，如果你给它一套可以用来建模这些场景的基础设施，那就是一个相当大的突破。 我目前仍然处于深度概念验证阶段，但之前一直有点闭门造车。现在是时候更多地分享它、获取反馈，并找出自己的盲点了。我计划制作一些更长篇的视频，深入讲解我的流程，但先把一些内容放出来，开始分享我的想法。概念视频链接在评论区。