論文の概要: AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search
- arxiv url: http://arxiv.org/abs/2608.11250v1
- Date: Tue, 04 Aug 2026 16:00:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.306734
- Title: AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search
- Title（参考訳）: AgonAlpha: プロンプト経済とスケーラブルなエージェントサーチによる自律的アルファディスカバリ
- Authors: Weicheng Ye, Youran Sun, Xingyu Ren, Shunyao Yu, Chugang Yi, Haizhao Yang,
- Abstract要約: 本稿では,凍結した研究成果物を検索するアーキテクチャであるAgonAlphaを紹介する。
我々の知る限り、AgonAlphaは、検証済みのアーティファクト検索と、再実行と拒否権を持つ新しいコンテキストの敵レビュアーと、待機型並列予算配分を組み合わせた最初のアルファマイニングシステムである。
- 参考スコア（独自算出の注目度）: 9.919617026062701
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language models can propose many plausible trading factors, but an autonomous research system must also allocate its evaluation budget, verify its own evidence, and preserve how each candidate was produced. We present AgonAlpha, an architecture that searches over frozen research artifacts---hypotheses, executable expressions, platform evidence, rationales, and review status---rather than formulas alone. To our knowledge, AgonAlpha is the first alpha-mining system to combine verified artifact search, a fresh-context adversarial reviewer with re-execution and veto authority, and pending-aware parallel budget allocation, together with a complete public evidence trail. Independent deployments on WorldQuant BRAIN produced SPECTACULAR-grade alphas across five users and six model backends, with Fitness reaching 9.50 and Sharpe reaching 3.48, while retaining prompt-to-expression provenance for every submission.
- Abstract（参考訳）: 言語モデルは、多くの妥当な貿易要因を提案することができるが、自律的な研究システムは、その評価予算を割り当て、独自の証拠を検証し、それぞれの候補がどのように作成されたかを保存する必要がある。
AgonAlphaは凍結した研究成果物(仮説、実行可能表現、プラットフォームエビデンス、合理性、状態のレビューなど)を検索するアーキテクチャであり、公式だけではありません。
我々の知る限り、AgonAlphaは、検証済みのアーティファクト検索と、再実行と拒否権を持つ新コンテクストの敵対的レビュアー、そして、完全な公的な証拠追跡とともに、待望の並列予算配分を組み合わせた最初のアルファマイニングシステムである。
WorldQuant BRAINの独立デプロイメントでは、SPECTACcular級のアルファ版が5ユーザと6モデルバックエンドで作成され、Fitnessは9.50、Sharpeは3.48に達した。
関連論文リスト
- Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳（メタデータ） (2026-08-11T18:48:40Z) - Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。
仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。
本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
論文 参考訳（メタデータ） (2026-07-17T08:56:43Z) - XALPHA: A Memory-Driven AI Quant Researcher for Hypothesis-to-Code Alpha Discovery [11.611093390158908]
XAlphaは、連続仮説からコードへのアルファ発見のためのメモリ駆動型AI Quant Researcherである。
報告書に基づく財務知識と、先代からの発見フィードバックと研究サイクルを統合している。
XAlphaは、単離された因子生成からアルファマイニングをクローズドループ研究プロセスに変換する。
論文 参考訳（メタデータ） (2026-07-09T10:17:22Z) - Toward Generalist Autonomous Research via Hypothesis-Tree Refinement [150.99641031769633]
本稿では,長寿命コーディネータ,短寿命エグゼキュータ,仮説ツリーリファインメント(HTR)を組み合わせた自律的研究フレームワークArborを紹介する。
結果が戻ると、Arborはツリーを更新し、再利用可能なレッスンを宣伝し、検索フロンティアを洗練し、検証された改善を認めた。
論文 参考訳（メタデータ） (2026-06-10T10:57:05Z) - 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) - ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration [10.076972559007116]
ARIS(Auto-Research-in-sleep)は、自律的な研究のためのオープンソースの研究ハーネスである。
ARISは、クロスモデル対外コラボレーションを通じて機械学習の研究を調整する。
論文 参考訳（メタデータ） (2026-05-04T18:10:15Z) - The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。
通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文 参考訳（メタデータ） (2026-04-27T16:23:09Z) - AI-Supervisor: Autonomous AI Research Supervision via a Persistent Research World Model [1.14219428942199]
既存の自動研究システムは、ステートレスでリニアなパイプラインとして動作する。
マルチエージェントオーケストレーションフレームワークである textbfAI-Supervisor を提案する。
エージェントは、人間の関心によって駆動されるエンドツーエンドのAI研究の監督を提供する。
論文 参考訳（メタデータ） (2026-03-25T15:16:51Z) - SIN-Bench: Tracing Native Evidence Chains in Long-Context Multimodal Scientific Interleaved Literature [92.88058660627678]
FITO(Fish-in-the-Ocean)パラダイムは、科学文書の中に明確なクロスモーダルなエビデンスチェーンを構築するモデルを必要とする。
我々は、証拠発見(SIN-Find)、仮説検証(SIN-Verify)、接地QA(SIN-QA)、エビデンスアンコレッド合成(SIN-Summary)の4つのプログレッシブなタスクでSIN-Benchを構築する。
検証可能なアンカーに基づき、マッチング、関連性、論理による証拠品質の診断を行う際に、予測値を評価する「No Evidence, No Score」を導入する。
論文 参考訳（メタデータ） (2026-01-15T06:25:25Z) - Cognitive Alpha Mining via LLM-Driven Code-Based Evolution [29.71597480304934]
我々は,コードレベルのアルファ表現とLLMによる推論と進化的探索を組み合わせた認知的アルファマイニングフレームワーク(CogAlpha)を紹介する。
LLMを適応認知エージェントとして扱うことで、我々のフレームワークは、プロンプトや金銭的フィードバックを通じて、アルファ候補を反復的に洗練し、変異し、再結合します。
A-共有平衡の実験は、CogAlphaが既存の方法よりも優れた予測精度、堅牢性、一般化を持つアルファを一貫して発見することを示した。
論文 参考訳（メタデータ） (2025-11-24T07:45:59Z)
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。