Propose, Don't Judge: An Anytime-Valid Referee for LLM Agents That Mine Investment Factors
Aggiunta all'archivio di AIChronos il (numero del 22 settembre 2026 ricostruito)· fonte del · Bo Qu, Mingguang Chen, Licheng Wang
Il paper introduce un approccio di 'governed self-evolution' per gli agenti LLM nella ricerca quantitativa dei fattori d'investimento, separando il ruolo propositivo dall'arbitrato. Viene proposto un referee statistico congelato e immutabile che valuta i candidati esclusivamente in base agli esiti di mercato rivelati dopo la sottomissione tramite scommesse. Questo meccanismo garantisce una garanzia contro falsi scoprimenti (false-discovery guarantee) valida a ogni istante di arresto del processo, indipendentemente dalla politica di proposta adottata dall'agente.
- Il referee è un modello statistico congelato che l'agente non può modificare o influenzare durante il giudizio.
- La validità della garanzia contro falsi positivi (false-discovery guarantee) è mantenuta per qualsiasi tempo di arresto e politica di proposta.
- L'uso di referee 'leaky' dimostra come la separazione dei ruoli sia cruciale: i referee non congelati ammettono 5-11 volte più fattori al di sotto della soglia rispetto a quelli rigidi.
- Gli agenti LLM superano gli script tradizionali nella generazione di fattori e possiedono l'unica capacità degli algoritmi bandit: la scrittura autonoma di sonde diagnostiche (diagnostic probes).
- C'è un trade-off temporale significativo: i veri fattori ammessi attendono circa 500 giorni scambi prima della certificazione, riducendo il Sharpe ratio del portafoglio rispetto a uno non filtrato.
Perché conta. Per gli sviluppatori di agenti e AI locale, questo lavoro offre un framework rigoroso per mitigare l'overfitting e i bias negli output generativi senza sacrificare la capacità esplorativa dell'agente. È fondamentale implementare meccanismi di validazione esterna (come il referee congelato) quando si delegano a modelli linguistici compiti critici come la selezione di asset o fattori.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.