Bender

هسته مرکزی این سیستم یک معماری **یادگیری تقویتی مبتنی بر مدل (Model-Based RL)** است که از تکنیک‌های **بهینه‌سازی مسیر (Trajectory Optimization)** برای تصمیم‌گیری استفاده می‌کند. سیستم به جای تکیه بر یک شبکه عصبی واحد، از یک **آنسامبل دینامیک (Deep Ensemble Dynamics)** بهره می‌برد تا توزیع احتمالات وضعیت‌های آینده بازار را تخمین بزند. موتور تصمیم‌گیری از یک مکانیزم **برنامه‌ریزی پیش‌بینانه (Predictive Planning)** استفاده می‌کند تا با نمونه‌برداری از هزاران سناریوی محتمل آینده، مسیری را انتخاب کند که بیشترین «امید ریاضی تعدیل‌شده با ریسک» را دارد. برای مقابله با تغییرات ساختاری بازار، سیستم مجهز به الگوریتم‌های **یادگیری پیوسته (Continual Learning)** با تثبیت سیناپسی است که مانع از فراموشی الگوهای قدیمی می‌شود. همچنین، ماژول مدیریت ریسک از طریق **تحلیل عدم قطعیت معرفت‌شناختی (Epistemic Uncertainty)**، میزان درگیری سرمایه را بر اساس اطمینان مدل به دانش خود تنظیم می‌کند.