MultiHedge：リトリーバル拡張による適応的な協調制御

概要: 変化する条件下での意思決定は、多くの実世界のシステムにおいて根本的な課題であり続けています。既存のアプローチは、レジームが移り変わる状況にまたがってうまく一般化できないことが多く、不確実性のもとで不安定な挙動を示します。そこで本研究の問いは次のようになります。検索拡張型LLMの協調は、モジュール化された意思決定パイプラインの頑健性を改善できるのでしょうか。私たちはMultiHedgeを提案します。これはハイブリッドなアーキテクチャであり、LLMが検索した過去の先例に基づいて条件づけられた、構造化された配分（アロケーション）判断を生成し、実行は正準的なオプション戦略に基づいて行われます。米国株式を用いた統制された評価において、MultiHedgeをルールベースおよび学習ベースのベースラインと比較します。主要な結果は、モデル規模を単に増やすだけよりも、メモリ拡張された検索のほうが、より高い頑健性と安定性をもたらすという点です。本論文は、メモリとアーキテクチャ設計が、モジュール化された意思決定システムにおける頑健性の中核的な役割を果たすことを示す、統制された計算機実験研究として貢献します。