Projekt synthetic-markets-transfer ukazuje experiment s malým jazykovým modelem, který se učil zajišťovat opční pozici pouze v generovaných tržních světech. Autoři uvádějí, že model neviděl reálné ceny, data, tickery ani zprávy, ale po tréninku byl vyhodnocen na krizových obdobích 2020 a 2022. V tabulce klesla chyba proti netrénovanému modelu z 0,0352 na 0,0173 pro rok 2020 a z 0,0281 na 0,0144 pro rok 2022. Projekt zdůrazňuje předem zapsané pravidlo úspěchu, reprodukovatelnost jedním příkazem a pět seedů v replikačním běhu. Doplňuje také srovnání s nehedgovanou pozicí, konstantním 50% zajištěním a klasickým delta zajištěním. Jde o výsledky výzkumného experimentu, ne o investiční radu ani doporučení obchodovat.
