论文
AlphaMemo：面向自演化Alpha挖掘智能体的结构化搜索过程记忆
AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents
摘要
LLM智能体通过结合金融先验、符号推理、可执行因子生成和反馈驱动的精炼，在Alpha挖掘方面前景可观。然而它们面临组合式搜索空间、嘈杂的非平稳反馈、冗余发现，以及天真复用过往成功带来的过拟合风险。为应对这些挑战，我们提出AlphaMemo，一个具备结构化搜索过程记忆的自演化Alpha挖掘智能体。AlphaMemo不只记住最终因子或完整轨迹，而是记录可复用的证据，说明哪些编辑母题（motif）在特定父因子情境下有效或失败。它从抽象语法树（AST）差异中提取母题，在搜索账本先验之上应用置信度门控的残差记忆，并使用非对称否决控制来抑制高置信度的失败模式。在中证500（CSI 500）和标普500（S&P 500）上的实验显示样本外表现与固定预算发现效率均有提升，消融实验验证了残差学习、置信度门控、AST差异母题和否决记忆的作用。代码见 https://github.com/jarrettyu/AlphaMemo。
