KAIST 提出 EvolveTrade:用文本化策略自进化 LLM 交易 Agent
kaist-ai · hf · 2026-09-17
- KAIST AI 提出 EvolveTrade,将工具调用型 LLM 交易 Agent 的 system prompt 视作文本参数化策略,由 Policy Agent 基于决策轨迹与组合收益反馈周期性改写,骨干 LLM 保持不变。
- 该框架让 Agent 随市场环境变化自主调整信息获取、工具调用、信号验证与风险管理流程。
- 在多市场行情、两个 LLM 骨干的实验中,EvolveTrade 在多数设定下提升 Sharpe Ratio 与累计收益;行为分析显示自进化策略增加代码化分析、激活与行情匹配的计算路径,并可做策略到收益的归因。
「编程与Agent」频道最新
- Diorama 把 Codex 编码 agent 搬进可视化「办公室」实时观察 — davidfromkansas · 2026-09-17
- 代码先行再叠自建 UI 层：一人做出定制品牌设计工具 — floguo · 2026-09-17
- 7 个模型实测：编码 agent 的 harness 不影响成功率却显著影响成本 — DavideCrapis · 2026-09-17
- 用 AI 模型 Jev 搭的交易 bot 已亏 85%，作者自嘲「还可以」 — generativist · 2026-09-17
- Reddit 用户实测 SoL-Pi 三天:记忆对象单次省 12k tokens — Garblyx · 2026-09-17
- Steve Jobs 式审美:AI 生成代码的内部也该像外壳一样美 — sergeykarayev · 2026-09-17