AStockArena 为金融智能体增加决策审计：把模型报告、交易请求、实际执行回执和账户状态对齐，检查操作是否可追溯、理由是否有证据，以及模型是否正确理解账户情况。
团队在中国 A 股场景中记录了 13 个模型的 3,198 次连续决策。论文发现，不少交易点存在至少一种审计缺口，因此仅看收益率不足以判断代理是否可靠。该研究没有证明某个代理能够稳定盈利。
AStockArena 不只看收益，也查交易是否有据
AStockArena 为金融智能体增加决策审计：把模型报告、交易请求、实际执行回执和账户状态对齐，检查操作是否可追溯、理由是否有证据，以及模型是否正确理解账户情况。