该论文提出FIDES，一个用于评估LLM生成交易策略一致性的测量协议。LLM在回答交易策略请求时，通常会同时返回自然语言理由、可执行代码以及回测业绩三个产物，但少有研究验证三者是否一致。FIDES将这三个产物视为三个需要相互印证的视图，而非单一可评分的交付物。具体流程是：通过双重交付，在一次模型调用中同时获取自然语言策略及其声称的明确优势，以及一个自包含的strategy(df)函数；随后在沙箱环境中对滞后一期的样本外数据进行回测，并计算三个一致性差距：say-to-do（语言声明与代码行为）、do-to-real（代码执行与实际回测结果）、say-to-result（语言声明与最终结果）。实验在2023年至2024年样本外期间，使用8只流动性美国ETF、4种模型外加两阶段提示（共40个策略）进行。主要发现有三点：第一，一致性并不预测盈利能力——40个策略中只有2个跑赢买入持有，且简单的sma(50,200)规则在平均夏普比率上优于所有模型生成策略；第二，自我评估严重失准——40个策略中有32个声称跑赢买入持有，而实际仅1个做到；第三，将语言-代码评判器替换为第二模型时，超过一半项目的say-to-do结果发生翻转。此外，向代码中注入Close.shift(-1)（未来信息）使do-to-real平均下降0.33，但运行时未来信息探针在干净和注入代码上均未触发。作者强调FIDES是用于测量忠实度的协议，而非关于市场表现的断言。