งานวิจัยชิ้นนี้ชี้ให้เห็นถึงช่องว่างในปัจจุบันที่ LLM เอเจนท์มักถูกนำไปใช้ในงานที่มีความเสี่ยงสูง เช่น การให้คำปรึกษาด้านการเงิน แต่ยังขาดความชัดเจนในความสามารถด้านการจดจำข้อมูลส่วนบุคคลในระยะยาว FinPerMA จึงถูกพัฒนาขึ้นเป็นเบนช์มาร์กที่เน้นการทดสอบ 'เหตุการณ์' (Event-grounded) เพื่อดูว่าเอเจนท์สามารถปรับตัวตามความพึงพอใจที่เปลี่ยนไปของนักลงทุนได้หรือไม่
ผลการทดสอบกับโมเดลระดับแนวหน้า 7 รุ่นพบว่าประสิทธิภาพยังค่อนข้างต่ำ โดยไม่มีโมเดลใดทำคะแนนความถูกต้องได้เกิน 0.47 และพบว่าระบบหน่วยความจำที่ใช้การสรุป (Summary-based) มักจะสูญเสียข้อมูลความพึงพอใจที่สำคัญไปเมื่อเวลาผ่านไป ซึ่งการใช้ระบบสืบค้นข้อมูล (Retrieval) แบบง่ายอาจให้ผลลัพธ์ที่ดีกว่าในบางกรณี โดยเฉพาะหลังจากเกิดเหตุการณ์ที่ส่งผลกระทบต่อการตัดสินใจครั้งใหญ่
