THEATRON: A Benchmark for Evaluating Persona Persistence in Long-Horizon LLM Decision-Making

我们引入THEATRON，一个受控基准测试，使用财务重演来评估长时序决策中的角色持续性。在这些环境中，基于固定行为-财务角色的模型观察共享每日市场证据和轨迹特定的账户状态反馈，并在多月轨迹上进行序列决策。我们通过四个LLM评估零次、一次和链式思维角色注入，使用累积回报和动作轨迹来诊断个体角色稳定性、跨角色可分离性和动作坍塌。