AutoScientist-Quant：用于量化投资自动研究的自演化编码智能体

大语言模型智能体可以发现阿尔法，但当前的方法存在三个弱点。搜索在运行过程中无法适应，自动化通常在 alpha 生成时结束，而库选择和模型选择仍然是手动的，alpha 发现可以通过循环反馈或代码问题读取测试窗口。我们提出了 AutoScientist-Quant，这是一种自我进化的搜索过程，它将定量研究视为一个预算搜索问题。单个控制器根据剩余预算决定每个决策，在每一轮选择是否改进、组合、旋转或停止、扩展哪个节点、生成多少个 alpha 以及如何从共享内存中检索过去的轨迹。然后，同一核心从库中进行选择并调整模型，从而关闭从假设到可部署策略的循环。我们还审查了先前工作中重用的评估管道，修复了两个前瞻问题，并使反馈窗口与保留的测试窗口不相交，因此每次比较都测试真正的泛化性。在 CSI 宇宙中，该框架在每种情况下都获得了几乎所有指标的最佳价值，并且这些结论适用于多个骨干网和市场。