論文の概要: AI Trading's Alpha Singularity: Emergent Market Reasoning through Agent-to-Agent Self-Evolution

• arxiv url: http://arxiv.org/abs/2606.29194v1
• Date: Sun, 28 Jun 2026 04:41:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.829661
• Title: AI Trading's Alpha Singularity: Emergent Market Reasoning through Agent-to-Agent Self-Evolution
• Title（参考訳）: AIトレーディングのAlpha Singularity:エージェントからエージェントへの自己進化による創発的市場推論
• Abstract要約: アルファマイニングはスコアリング関数を固定し、その上で探索アルゴリズムを変化させる。 固定スコアラーに対して収束する探索は、アウト・オブ・サンプルの一般化ギャップの主な原因である、スコアラーがペナルティ化できないものをオーバーフィットする。 スコアリング関数をアルファ因子とともに探索成果物として扱い、この共同探索を許容する条件について検討する。
• 参考スコア（独自算出の注目度）: 11.790070440436294
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Automated alpha mining holds the scoring function fixed and varies the search algorithm over it. A search that converges against a fixed scorer overfits whatever the scorer cannot penalize, a primary cause of the out-of-sample generalization gap. We treat the scoring function as a search artifact alongside the alpha factors and study what conditions make this joint search admissible. Sealed Joint Search (SJS) is a framework: a set of structural conditions on information flow in an autonomous-discovery system that prevent joint search from collapsing into self-confirmation while keeping the evaluator sealed. Conditions cover role decomposition, typed inter-role communication, provenance-sealed reads, versioned stores, and substrate-local promotion. Agora tests SJS empirically: five LLM agent classes communicate via three channels, evolving eight skill libraries, with alpha libraries built on AlphaGen operators. Three evaluators write reports aggregated into one brief, carrying forward disagreement instead of voting. We run Agora for 100 rounds on CSI 1000 and evaluate on a 91-day 2026 holdout sealed from all LLM inputs. Agora achieves holdout Sharpe +1.87; best baseline +1.334 at favorable seed and -0.755 cross-seed mean. Pre-loading Agora's two metrics into a frozen-library ablation recovers only +0.40 of the +2.25 Sharpe gap, and adding PPO without library evolution worsens the gap. The two metrics emerge rather than being designed. Caveats: single-seed run, short-side concentrated signal, intended for long-short.
• Abstract（参考訳）: 自動アルファマイニングでは、スコアリング関数が固定され、その上で探索アルゴリズムが変化する。 固定スコアラーに対して収束する探索は、アウト・オブ・サンプルの一般化ギャップの主な原因である、スコアラーがペナルティ化できないものをオーバーフィットする。 スコアリング関数をアルファ因子とともに探索成果物として扱い、この共同探索を許容する条件について検討する。 シーンド・ジョイント・サーチ(SJS)は、自律的な発見システムにおける情報フローの構造的条件の集合であり、評価器を封印したまま、共同探索が自己確認に崩壊することを防ぐ。 条件は、ロールの分解、タイプド・インターポール・コミュニケーション、プロファイランス・シールド・リード、バージョニングストア、および基板ローカル・プロモーションをカバーしている。 5つのLLMエージェントクラスが3つのチャネルを介して通信し、8つのスキルライブラリを進化させ、AlphaGen演算子上にアルファライブラリを構築した。 3人の評価官が1つにまとめられた報告書を書き、投票の代わりに意見の相違を訴えた。 我々は、CSI 1000上で100ラウンドAgoraを実行し、全てのLSM入力から封印された91日間の2026ホールドアウトの評価を行った。 Agora は Sharpe +1.87 をホールドアウトし、最高ベースライン +1.334 を好適な種子で、-0.755 を交配平均とする。 Agoraの2つのメトリクスを凍結・ライブラリ・アブレーションにプリロードすると、+2.25シャープギャップの+0.40しか回復せず、ライブラリの進化なしにPPOを追加するとギャップが悪化する。 2つのメトリクスは設計されるのではなく、現れます。 キャベツ(Caveats)は、ロングショートを意図した単座の短辺集中信号である。

関連論文リスト

• Accurate Ensembles, Fragile Narratives: Multi-Scale Stacking and a Fidelity Audit of LLM-Generated Explanations for Credit Risk [0.0]
  クレジットスコアリングは、決定ロジックをパラメータから読み取ることができないモデルに依存している。 共通する提案は、言語モデルとのギャップを埋める: 特徴属性を計算し、それらを LLM に渡し、合理的に記述させる。 このようなシステムをエンド・ツー・エンドに構築し、約束の後半が成立するかどうかをテストします。
  論文  参考訳（メタデータ） (2026-08-08T13:22:14Z)
• A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
  本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。 A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
  論文  参考訳（メタデータ） (2026-08-05T14:01:10Z)
• When Agents Commit Too Soon: Diagnosing Premature Commitment in LLM Agents [0.0]
  長い答えのLSMエージェントは静かに失敗する可能性があり、彼らは証拠を早期に読み上げ、残りの期間をその証拠を守るのに費やした。 我々は、表現的コミットメントを、固定された推論ステップにおいて、クロスランな隠れ状態収束として定義する。 ランタイムモニタは、AUROCの隠れ状態から0.97までの不整合軌道を検出する(より厳密なスプリットの下で0.85-0.88)。
  論文  参考訳（メタデータ） (2026-06-22T07:13:13Z)
• ExecuGraph: A Multi-Agent, Execution-Grounded Framework for Reliable Backend Code Synthesis with Large Language Models [2.3004655342211078]
  大規模言語モデルは、もっともらしいバックエンドコードを生成するが、シングルパスパラダイムは、正確性や実行時の信頼性を保証するものではない。 バックエンドコードの中心に実行ベースのバリデーションを置くマルチエージェントフレームワークであるExecuGraphを紹介します。 エージェントごとのアブレーション、再試行予算の掃除、エラークラス分類、およびテストソース監査が報告されている。
  論文  参考訳（メタデータ） (2026-06-18T05:58:17Z)
• Structural Grid Descriptors Predict Within-Task Solver Success on ARC-AGI [0.0]
  中間格子状態の構造的性質が、条件付き相互情報I(X;Ytask) > 0 の試験として、シンボルARC-AGIソルバが成功するかどうかを予測できるかどうかを問う。 44,800回にわたって、アーキテクチャ的に異なる2つのサーチとDFSソルバにまたがって実行されており、ほとんどのコンテンツは単一のグリッド-複雑軸に沿って配置されている。 信号はソルバ容量(ビームサーチとSDFS、p 95の残差AUC=0.927と0.896)で説明されず、軌道を測るために弱結合されているだけである(R2は約0)。
  論文  参考訳（メタデータ） (2026-06-08T04:51:24Z)
• NumLeak: Public Numeric Benchmarks as Latent Labels in Foundation Models [0.0]
  NumLeakは、プロダクションモデル上のAPI境界プローブとオープン因果LM上のホワイトボックス制御バリデーションを組み合わせた測定フレームワークである。 最上位のフロンティアLLMは3シードプールのピアソン・r=0.97-0.99でファマ・フレンチの過剰リターンをリコールし、5つの兄弟要素で0.15-25bps以内にとどまった。
  論文  参考訳（メタデータ） (2026-05-28T12:52:49Z)
• Skill-as-Pseudocode: Refactoring Skill Libraries to Pseudocode for LLM Agents [50.78646963535282]
  Skill-as-Pseudocode (SaP) はマークダウンスキルライブラリの型付き擬似コードへの自動変換である。 1つ以上のスキルから引き出された類似の手続きパスのクラスタごとに、SaPは型付きコントラクトを抽出し、それを4チェック決定性検証器を通じてフィルタリングする。 プロモートされた契約は、復元された具体的なアクションテンプレートと共に書き直されたスキルスケルトンにインライン化され、エージェントは2つの補完的な信号を与える。
  論文  参考訳（メタデータ） (2026-05-27T04:48:40Z)
• AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents [87.95001910627825]
  AlphaMemoは、Structured Search-Process Memoryを備えた自己進化型アルファマイニングエージェントである。 編集モチーフが機能するか、特定の親要素コンテキストで失敗するかに関する再利用可能な証拠を記録する。 CSI 500とS&P 500の実験では、サンプル外性能と固定予算発見効率が改善された。
  論文  参考訳（メタデータ） (2026-05-26T15:48:09Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Refute-or-Promote: An Adversarial Stage-Gated Multi-Agent Review Methodology for High-Precision LLM-Assisted Defect Discovery [0.685316573653194]
  Refute-or-Promote(Refute-or-Promote)は、候補生成のためのSCH(Stratified Context Hunting)、逆殺命令、コンテキスト、Cross-Model Critic(CMC)を組み合わせた推論時信頼性パターンである。 提案するRefute-or-Promoteは、SCH(Stratified Context Hunting)を併用した推論時信頼性パターンで、候補生成、逆死命令、コンテキスト、およびクロスモデル批判(CMC)を行う。 提案するRefute-or-Promoteは、SCH(Stratified Context Hunting)を併用した推論時信頼性パターンで、候補生成、逆死命令、コンテキスト、およびクロスモデル批判(CMC)を行う。
  論文  参考訳（メタデータ） (2026-04-21T03:55:35Z)
• Committed SAE-Feature Traces for Audited-Session Substitution Detection in Hosted LLMs [2.6382975801439836]
  ホスト型LLMプロバイダにはサイレント代替インセンティブがあり、より強力なモデルを宣伝し、より安価な応答を提供する。 このギャップを埋めるコミットオープンプロトコルを提案する。 プロトコルを3つのバックボーン(Qwen3-1.7B、Gemma-2-2B、およびGemma-2-9Bへの4.5倍スケールアップ)でインスタンス化する。
  論文  参考訳（メタデータ） (2026-04-20T12:34:56Z)
• Label-Free Cross-Task LoRA Merging with Null-Space Compression [50.63908869296697]
  我々は,ラベルフリーで出力に依存しない手法であるNull-Space Compression (NSC) Mergingを紹介した。 NSCは、従来のメソッドがタスクのサブセットに収まるバランスの取れたゲインを持つ20の異種視覚タスクに対して、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-27T11:34:41Z)
• Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs [75.62489398666644]
  我々は,Claude Codeをベースとしたemphautoresearchスタイルのパイプライン citepkarpathy2026autoresearch が,新しいホワイトボックス対逆攻撃を発見できることを示した。 textbfsignantは、jailbreakで既存のすべての(30以上のメソッド)を著しく上回り、インジェクション評価を促します。
  論文  参考訳（メタデータ） (2026-03-25T16:50:56Z)
• AlphaApollo: Orchestrating Foundation Models and Professional Tools into a Self-Evolving System for Deep Agentic Reasoning [110.57865233597762]
  自己進化型エージェント推論システムであるAlphaApolloについて述べる。 基礎モデル(FM)における2つのボトルネックに対処することを目的としている。 AlphaApolloは、意図的に検証可能な推論を可能にするために、複数のモデルをプロのツールで編成する。
  論文  参考訳（メタデータ） (2025-10-05T15:42:24Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。