另一个用例是期权交易。期权非常复杂，你需要处理大量信息，并且必须相当有经验才能构建一个期权交易，尤其是多腿期权交易（涉及多个交易组合）的情况。Cortex 通过交易构建器来实现这一点，它对某只股票未来某个时间的走势进行预测，并构建帮助你执行该预测的期权交易。这是一种相当神奇的体验。我们在黄金活动上做了一个演示，你可以选择特定的股票，做出预测，然后它会生成一个可以直接执行的交易计划，或者将你引导到我们即将推出的并排期权链界面。
David：
Cortex 的核心思想是将用户用自然语言表达的投资意图转化为交易策略。用户输入自己的想法，AI 处理这些信息后，返回一些可能的期权交易组合，比如“这是你可能感兴趣的交易方案”。这是否就是 Cortex 的基本逻辑？
Vlad：
但它的能力还不止于此。Cortex 会综合所有可用的信息，包括实时市场数据、技术指标以及来自多方的新闻更新。通过整合这些数据，它不仅能生成预测，还能为用户提供洞察和分析，帮助他们更好地做出决策。
David：
能否介绍一下这个 LLM 的独特之处？我猜它并不是一个简单的 ChatGPT 外壳，而是针对金融领域进行了优化。它的训练数据有什么特别之处，或者在后期训练中有哪些独特的处理，使其成为一个专注于 Robinhood 的金融 LLM？
Vlad：
传统的大型语言模型通常无法访问实时的市场数据或金融数据。它们的数据往往是过时的，因此无法准确告诉你某只股票的当前价格。而且，它们在提供金融信息时容易出现“幻觉”，即生成不准确或虚假的内容。为了解决这些问题，我们构建了一个技术层，确保用户获取的数据是实时的、可解释的，并且避免幻觉的发生。这解决了大多数 LLM 在金融应用中的两个关键问题。
David：
如果我们没有处理好这一点，在金融背景下出现幻觉可能是灾难性的。
Vlad：
是的，但幸运的是我们拥有一个真实的数据源。与写历史论文不同，金融数据的真实性是可以被验证的。因此，我们能够设置严格的“护栏”，确保生成的内容准确无误，并能快速识别和纠正幻觉。
David：
这可能是 Robinhood 在开发金融 AI 助手方面的主要竞争优势。你们拥有实时的市场数据、用户行为数据以及大量与金融相关的资源，这些都被整合到了 LLM 的能力中
Vlad：
是的，这是一项优势。另一个优势是你可以在我们的应用内进行交易。如果我们能够让 Cortex 的建议与用户实际操作的上下文紧密结合，它的实用性就会大大提升。我们不想在应用中仅仅放置一个聊天框，因为人们不知道如何使用它。我们希望 Cortex 不仅能生成流畅的回答，还能避免冗长和幻觉问题，这也是我们努力的方向。