論文の概要: AutoScientist-Quant: Self-Evolving Coding Agents for Automatic Research in Quantitative Investment
- arxiv url: http://arxiv.org/abs/2608.28632v2
- Date: Tue, 01 Sep 2026 10:45:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-06 19:38:41.453757
- Title: AutoScientist-Quant: Self-Evolving Coding Agents for Automatic Research in Quantitative Investment
- Title（参考訳）: AutoScientist-Quant: 定量的投資における自動研究のための自己進化型コーディングエージェント
- Abstract要約: 本稿では,定量的研究を1つの予算付き探索問題とみなす自己進化型探索プロセスであるAutoScientist-Quantを提案する。
単一のコントローラは、残りの予算についてすべての決定を条件付け、各ラウンドでどのノードを拡大するか、どのアルファを生成すべきか、過去のトラジェクトリを共有メモリから取得するかを選択できる。
このフレームワークはあらゆる設定においてほぼすべての指標の最高の価値を達成し、これらの結論はいくつかのバックボーンや市場にわたって保持される。
- 参考スコア（独自算出の注目度）: 28.36446889018906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents can discover alphas, yet current methods have three weaknesses. The search cannot adapt during the run, automation usually ends at alpha generation while library selection and model choice stay manual, and alpha discovery can read the test window through loop feedback or code problems. We present AutoScientist-Quant, a self evolving search process that regards quantitative research as one budgeted search problem. A single controller conditions every decision on the remaining budget, choosing at each round whether to improve, combine, pivot, or stop, which node to expand, how many alphas to generate, and how to retrieve past trajectories from the shared memory. The same core then selects from the library and tunes the model, closing the loop from hypothesis to deployable strategy. We also review the evaluation pipeline reused from prior work, fix two lookahead problems, and keep the feedback window disjoint from the held out test window, so every comparison tests true generalization. On CSI universes, the framework attains the best value of nearly every metric in every setting, and these conclusions hold across several backbones and markets.
- Abstract（参考訳）: 大規模な言語モデルエージェントはアルファを見つけることができるが、現在のメソッドには3つの弱点がある。
検索は実行中に適応できず、自動化は通常アルファ生成時に終了し、ライブラリの選択とモデル選択は手作業で行われ、アルファ発見はループフィードバックやコード問題を通じてテストウィンドウを読み取ることができる。
本稿では,定量的研究を1つの予算付き探索問題とみなす自己進化型探索プロセスであるAutoScientist-Quantを提案する。
単一のコントローラは、残りの予算についてすべての決定を条件付け、各ラウンドでどのノードを拡大するか、どのアルファを生成すべきか、過去のトラジェクトリを共有メモリから取得するかを選択できる。
同じコアがライブラリから選択してモデルをチューニングし、仮説からデプロイ可能な戦略までループを閉じる。
また、事前の作業から再利用した評価パイプラインをレビューし、2つのルックアヘッド問題を修正し、フィードバックウィンドウをテストウィンドウから切り離しておきます。
CSI宇宙では、このフレームワークはあらゆる設定においてほぼすべての指標の最高の価値を達成し、これらの結論はいくつかのバックボーンや市場にわたって保持される。
関連論文リスト
- AgentFold: Closed-Loop Agentic Search for Protein Folding Model Design [27.154390712714264]
我々は,折りたたみモデル開発を,実行可能なコードバリアントに対するクローズドループ検索として定式化するフレームワークであるAgentFoldを提案する。
一致した計算予算の下で、AgentFoldは、独立したCodex提案よりも最高のlDDTを7.5%改善する。
結果として生じる介入の痕跡は、反復的な経験的デザインパターンを示す。
論文 参考訳（メタデータ） (2026-08-27T07:38:16Z) - Recovering Wasted Compute in Autoresearch Agents [35.718169903054736]
自動検索システムのコアにおけるモデリングパイプラインについて検討し、一般的な障害モードを同定する。
自動検索エージェントの性能向上は,エージェント設計だけで達成できることが判明した。
論文 参考訳（メタデータ） (2026-08-11T03:15:08Z) - The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows [72.9051182568928]
推論駆動最適化のための統合フレームワークであるReASearchを提案する。
共有エージェントループとドメイン固有のツールにより、ReASearchは、プロンプト、プログラム、MLを最適化するために、まったく同じスキャフォールドをインスタンス化する。
我々は,複雑な探索行動がエージェントの推論プロセスから自然に現れることを観察する。
論文 参考訳（メタデータ） (2026-08-07T02:15:39Z) - SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。
SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。
SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
論文 参考訳（メタデータ） (2026-07-16T17:51:23Z) - 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) - NanoResearch: Co-Evolving Skills, Memory, and Policy for Personalized Research Automation [59.19858972597063]
LLMを利用したマルチエージェントシステムは、アイデアから論文執筆までの完全な研究パイプラインを自動化できるようになったが、根本的な疑問が残る。
我々は,三段階共進化によってこれらのギャップに対処するマルチエージェントフレームワークであるNanoResearchを提案する。
技能銀行は、繰り返しの業務をプロジェクト間で再利用可能なコンパクトな手続き規則に蒸留する。
メモリモジュールは、各ユーザの研究履歴における計画決定の基礎となる、ユーザとプロジェクト特有のエクスペリエンスを維持します。
ラベルフリーポリシー学習は、自由形式のフィードバックをプランナーの永続パラメータ更新に変換し、その後の調整を再構築する。
論文 参考訳（メタデータ） (2026-05-11T16:33:47Z) - AlphaLab: Autonomous Multi-Agent Research Across Optimization Domains with Frontier LLMs [14.167136550376497]
計算集約ドメインの完全な実験サイクルを自動化する自律的な研究ハーネスであるAlphaLabを紹介する。
ドメインに適応し、データを探索し、分析コードを書き、研究レポートを作成する。
Strategist/Workerループを通じて大規模な実験を実行し、永続的なプレイブックでドメイン知識を蓄積する。
論文 参考訳（メタデータ） (2026-03-31T21:16:20Z) - 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) - Improving Coherence and Persistence in Agentic AI for System Optimization [9.443037059325086]
Engramは、反復的にメカニズムを設計、テスト、分析する一連のエージェントを探索する。
本研究では,マルチクラウドマルチキャスト推論,LLM要求ルーティング,自然言語クエリを用いたデータベースにおけるKVキャッシュ再利用の最適化など,さまざまな領域において優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2026-03-22T17:04:50Z) - CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。
数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。
我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
論文 参考訳（メタデータ） (2025-08-05T17:55:24Z) - RAVine: Reality-Aligned Evaluation for Agentic Search [7.4420114967110385]
RAVineは、検索を伴うエージェントLLMのための現実対応eValuationフレームワークである。
RAVineは、マルチポイントクエリと、ユーザの意図を反映した長文の回答をターゲットにしている。
RAVineを使って一連のモデルをベンチマークし、いくつかの洞察を得た。
論文 参考訳（メタデータ） (2025-07-22T16:08:12Z) - Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。
我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
論文 参考訳（メタデータ） (2024-05-31T20:15:10Z)
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。