WhyTrend Bitcoin-Anomalieanalyse: Kleineres Modell übertrifft größeres
Ollama
WhyTrend, ein Open-Source-Tool zur Anomalieerkennung, wurde mit Bitcoin-Preisdaten von 2022 bis 2026 getestet. Die Analyse ergab, dass ein kleineres Modell mit 14 Milliarden Parametern zuverlässigere Erklärungen lieferte als ein größeres mit 32 Milliarden Parametern, da es weniger Timeouts gab. Das Tool identifizierte korrekt wichtige Marktregimewechsel und zeigte Probleme mit Rückfallerklärungen auf.
WhyTrend, eine Open-Source-Pipeline zur Erkennung und Erklärung von Anomalien, wurde auf täglichen Bitcoin-Schlusskursen (BTC/USDT) vom 1. Januar 2022 bis zum 7. August 2026 ausgeführt, insgesamt 1680 Datenpunkte. Der Detektor fand 8 Changepoints (Regimewechsel), die anschließend mit zwei verschiedenen lokalen LLMs erklärt wurden: Qwen 32B und qwen2.5-coder:14b. Das größere 32B-Modell überschritt häufig das Zeitlimit (bei 6 von 8 Ereignissen), was zu einem Rückgriff auf heuristische Erklärungen führte, die auf den am besten nach BM25 bewerteten Artikeln basierten, was zu unsinnigen Gründen wie 'Stray Cats and Bitcoin' oder 'Bitcoin-Gencode-Papier' führte. Das kleinere 14B-Modell schloss bei 6 von 8 Ereignissen innerhalb des Zeitlimits ab und lieferte glaubwürdigere Erklärungen mit Konfidenzwerten, wie die Zuschreibung des Changepoints vom 25.02.2024 auf negative Stimmung und regulatorische Bedenken sowie des Changepoints vom 11.11.2025 auf Regierungen, die Bitcoin beschlagnahmen, und Anschuldigungen eines von den USA unterstützten Hacks im Wert von 13 Milliarden Dollar. Der Artikel merkt an, dass das 14B-Modell im Durchschnitt zuverlässiger ist, aber nicht perfekt, da es auch Fälle von Rückgriff gab. Der Autor empfiehlt die Verwendung kleinerer Modelle für solche Aufgaben und diskutiert die Bedeutung der Unterscheidung zwischen Rückgriffausgaben und echter Modellbegründung.
Quelle: Хабр — Data Mining —
Original