EvolveTrade: งานวิจัย KAIST เผย AI Agent พัฒนา Prompt เอง
งานวิจัยใหม่จาก KAIST เสนอ EvolveTrade ให้ AI Agent ปรับปรุง Prompt อัตโนมัติเพื่อเชื่อมโยงผลคำนวณจาก Python เข้ากับการจัดพอร์ต ทำผลงานเด่น Sharpe ratio 4.00
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- งานวิจัย EvolveTrade จาก KAIST แก้ปัญหา AI Agent ใช้เครื่องมือคำนวณแต่ไม่นำผลมาตัดสินใจจริง
- ระบบใช้ Policy agent คอยวิเคราะห์ผลลัพธ์และเขียน Prompt ใหม่ทุกๆ 5 วันทำการ
- ผลทดสอบแสดง Sharpe ratio 4.00 และผลตอบแทนสะสม 10.56% เหนือกว่าแบบดั้งเดิม
การประเมินประสิทธิภาพของ Autonomous agent ส่วนใหญ่ในปัจจุบันมักมองข้ามช่องโหว่สำคัญ นั่นคือการที่โมเดลใช้งานเครื่องมือต่างๆ เช่น API ราคาหุ้น หรือเครื่องมือค้นหาข่าว ควบคู่กับ Python REPL เพียงเพื่อทำตามขั้นตอน แต่ไม่ได้นำผลลัพธ์เชิงปริมาณที่คำนวณได้มาใช้ในการตัดสินใจขั้นสุดท้ายอย่างแท้จริง โมเดลอาจคำนวณความผันผวนย้อนหลัง 20 วันได้ถูกต้อง แต่กลับจัดสรรเงินลงทุนตามหลักการกว้างๆ ที่ตั้งไว้ตั้งแต่ก่อนเปิดใช้งานเครื่องมือ
เพื่อแก้ปัญหานี้ งานวิจัยชิ้นใหม่จาก KAIST ในชื่อ EvolveTrade (Kim et al., arXiv:2609.17632) ได้นำเสนอแนวทางใหม่โดยหยุดการกำหนดสัญญาการใช้เครื่องมือแบบตายตัวตั้งแต่เริ่มต้น และเปลี่ยนมามอง Prompt ของระบบให้เป็นนโยบายที่ปรับเปลี่ยนได้ด้วยข้อความ (text-parameterized policy)
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในระบบแบบดั้งเดิมที่นักวิจัยทดสอบผ่าน LiveTradeBench เมื่อใช้โมเดลอย่าง GPT-5-mini โมเดลจะรัน Python อย่างขยันขันแข็ง เช่น คำนวณว่า JPMorgan มีผลตอบแทนย้อนหลัง 20 วันอยู่ที่ +3.45% และมี Sharpe ratio 2.105 หรือ Caterpillar อยู่ที่ 1.497 แต่สัดส่วนการลงทุนจริงกลับแทบไม่ขยับจากค่าเริ่มต้น โดย JPMorgan ยังคงอยู่ที่ 6% และ Caterpillar ที่ 4% ตัวเลขเชิงปริมาณทั้งหมดจึงเป็นเพียงแค่เหตุผลประกอบในขั้นตอนการคิดเท่านั้น
แนวทางของ EvolveTrade คือการให้ Policy agent แยกต่างหากคอยตรวจสอบร่องรอยการทำงานและผลตอบแทนของพอร์ตทุกๆ 5 วันทำการ จากนั้นทำหน้าที่เขียน Prompt ใหม่เพื่อบอกให้ Trading agent รู้จักวิธีใช้เครื่องมือให้สอดคล้องกับพอร์ตลงทุน ผลลัพธ์จากการทดสอบข้ามภาวะตลาดต่างๆ (เช่น ช่วงตลาดซบเซา ตลาดขาลง และตลาดกระทิง บนโมเดล GPT-5-mini และ Gemini-2.5-Flash) พบว่า Prompt ที่ถูกพัฒนาขึ้นใหม่จะช่วยบังคับให้โมเดลย้ายการคำนวณจากข้อความบรรยายไปสู่โค้ดที่สั่งการได้จริง
"In the September 10, 2025 trace highlighted by the authors, the static agent called Python once for aggregate stats. The evolved agent called Python 11 times: running metric calibration, validating risk constraints, and generating exact percentage weights."
Kim et al., EvolveTrade
แนวคิดการให้ Prompt พัฒนาตัวเองหรือ Prompt Evolution ถือเป็นก้าวสำคัญในการแก้ปัญหา Context Window Degeneration ซึ่งมักเกิดจากการที่คำสั่งสะสมความยาวจนโมเดลสับสน งานวิจัยนี้แสดงให้เห็นว่าระบบอัตโนมัติสามารถขยายและหดขนาดของชุดคำสั่งตามสภาวะตลาดได้เอง (ระหว่าง 5,000 ถึง 20,000 ตัวอักษร) โดยการตัดกฎเกณฑ์ที่ซ้ำซ้อนทิ้งไป กลไกนี้สะท้อนให้เห็นว่าอนาคตของ AI Agent ในงานที่มีความแม่นยำสูง เช่น การเงิน จะต้องพึ่งพาการควบคุมแบบ Deterministic binding มากกว่าการปล่อยให้โมเดลตีความผลลัพธ์ของเครื่องมือด้วยภาษาธรรมชาติอย่างอิสระ
จากการทดสอบระยะเวลา 50 วัน EvolveTrade สามารถทำ Sharpe ratio ได้สูงถึง 4.00 และสร้างผลตอบแทนสะสม 10.56% เทียบกับแบบเดิมที่ได้ Sharpe 2.94 และผลตอบแทน 8.88% พร้อมทั้งจำกัด Maximum drawdown ไว้ที่ 2.96% เทียบกับ 4.40% ของระบบดั้งเดิม บทเรียนสำคัญสำหรับนักพัฒนาซอฟต์แวร์คือ การปล่อยให้การเชื่อมโยงระหว่างข้อมูลเชิงปริมาณและการกระทำขั้นสุดท้ายขึ้นอยู่กับภาษาพูดของ LLM นั้นมีความเปราะบางสูง และการบังคับให้โค้ดผูกมัดกับการกระทำโดยตรงคือหัวใจสำคัญของความสำเร็จ
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น