看股票的AI常有两种短板：要么只报涨跌，像一个不肯展示思路的答题者；要么能分析新闻，却没有把理由真正用于预测。AgentPEN想把两件事接起来，让模型在判断后续走势时，也留下可供人审查的依据。这在金融场景尤其重要，不过解释只能说明模型参考了什么，并不等于证明新闻造成了涨跌。
据JMLR论文摘要页，AgentPEN最具体的一步是“筛选—记忆—融合”：先由基于LLM（大语言模型）的代理从大量新闻中挑出有用信息，再分别记录它在时间上的持续影响，以及对不同股票的影响，最后把这些文本记忆与价格数据对齐。融合结果随后进入深度循环生成模块——像边读连续新闻边更新笔记——逐步刻画股价走势的概率分布，而不只是生成一段听起来合理的解释。作者称，该方法在多个真实世界数据集上的预测准确性和可解释性均超过所比较的方法；摘要未披露具体提升幅度。