EvoTS-Agent：用于金融时间序列变点检测的自进化 LLM 智能体

金融时间序列呈现非平稳且异质的统计特性，使变点检测充满挑战，因为没有单一无监督算法能在各类资产与市场状态间保持一致表现。传统工作流因此严重依赖专家驱动的模型选择、特征设计与超参数调优，限制了可扩展性与适应性。我们提出 EvoTS-Agent，一个验证引导的自进化 LLM 智能体，用于自主的金融时间序列变点检测。EvoTS-Agent 首先执行精心策划的探索性数据分析以刻画数据集特性并初始化候选检测模型，随后通过三个互补算子演化可执行的实验轨迹：Revision 深耕当前最优解，Alternative Strategy 在进展停滞时探索根本不同的建模方向，Recombination 综合来自高性能轨迹的互补证据。验证反馈贯穿搜索全程引导轨迹演化，使智能体能把检测流水线适配到每个数据集的统计特性，同时保持可靠的优化。在四个基准数据集上的实验表明，EvoTS-Agent 持续优于现有 LLM 智能体，并在所有被评估的骨干 LLM 上保持 100% 执行成功率。