論文の概要: AlphaDiverse: Post-Training Local Quantitative Research Agents for Diverse Exploration in Alpha Factor Mining
- arxiv url: http://arxiv.org/abs/2609.29014v1
- Date: Thu, 24 Sep 2026 04:29:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.713795
- Title: AlphaDiverse: Post-Training Local Quantitative Research Agents for Diverse Exploration in Alpha Factor Mining
- Title（参考訳）: Alpha Diverse:Alpha Factor Miningにおける多変量探索のための局所定量分析剤の開発
- Abstract要約: 本稿では,マルチエージェントのアルファ研究システム,多様な研究パスの収集,ローカルエージェントのポストトレーニングなどを統合するフレームワークを提案する。
4つの中国の宇宙での実験は、AlphaDiverseが競争予測とより広い探索を組み合わせられることを示している。
- 参考スコア（独自算出の注目度）: 6.735679858471564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model (LLM)-based multi-agent systems can automate alpha factor mining, but their reliance on external APIs limits control over cost, availability, and confidentiality. Long research loops also tend to revisit a few successful economic mechanisms that lead to research path collapse. To address these limitations, we propose AlphaDiverse, a framework that integrates a multi-agent alpha research system, diverse research path collection, and post-training for local agents. We let the research system generate complementary plan portfolios and vary research environments across loops to collect diverse research paths. Using these diverse traces, we warm-start local Planner and Realizer agents with supervised fine-tuning. Then, we propose a joint GRPO method to optimize both of them using predictive quality and diversity of contributions. Research feedback is confined to inner period data, while a frozen final model is evaluated on a later outer period data, thereby avoiding test-set tuning. Experiments across four Chinese stock universes show that AlphaDiverse can combine competitive prediction with broader exploration.
- Abstract（参考訳）: 大規模言語モデル(LLM)ベースのマルチエージェントシステムはアルファファクタマイニングを自動化することができるが、外部APIに依存しているため、コスト、可用性、機密性に対する制御が制限される。
長い研究ループは、研究経路の崩壊につながるいくつかの経済的メカニズムを再考する傾向がある。
これらの制約に対処するため,マルチエージェントのアルファ研究システム,多様な研究パスの収集,ローカルエージェントのポストトレーニングといったフレームワークであるAlphaDiverseを提案する。
我々は,研究システムを補完的な計画ポートフォリオを生成し,ループをまたいだ研究環境を変動させ,多様な研究パスを収集する。
これらの多様なトレースを用いて、教師付き微調整を施したローカルプランナーおよびリアライザエージェントをウォームスタートする。
そこで本稿では,予測品質とコントリビューションの多様性を用いて両者を最適化する共同GRPO法を提案する。
研究フィードバックは内部周期データに限定され、凍結最終モデルは後続の外部周期データで評価され、テストセットチューニングが回避される。
4つの中国の宇宙での実験は、AlphaDiverseが競争予測とより広い探索を組み合わせられることを示している。
関連論文リスト
- AQuA: Recursively Self-Improving Quantitative Trading Research Agents [44.546401968461055]
本研究は, 自律システムにおいて, 後続の反復で提案される仮説と候補を改善するために, 先行実験から証拠を活用できるかどうかを考察する。
本稿では2つの言語モデル駆動型研究システムからなるAQuAについて述べる。
論文 参考訳（メタデータ） (2026-08-13T05:25:42Z) - Parameter Exploration for RLVR via Variational Learning [52.28666546574647]
既存の多くの手法は、例えば温度スケーリングを用いて、アクション空間での探索を制御する。
そこで本研究では,異なるロールアウトを探索可能な後部から異なるポリシーをサンプリングすることにより,ロールアウトを生成するパラメータ空間探索について検討する。
実験により、これらの手法は標準のGRPOよりもほぼ同一のFLOPsコストで平均ダウンストリーム性能を一貫して向上することが示された。
論文 参考訳（メタデータ） (2026-08-10T16:28:07Z) - OpenSearch-VL: An Open Recipe for Frontier Multimodal Search Agents [50.79529228477821]
エージェント強化学習を用いたフロンティアマルチモーダルディープサーチエージェントの完全オープンソースレシピであるOpenSearch-VLを紹介した。
まず、ウィキペディアパスのサンプリング、ファジィエンティティの書き換え、ソース・アンカーの視覚的グラウンドリングを通じて、高品質なトレーニングデータを構築するための専用パイプラインをキュレートした。
さらに,テキスト検索,画像検索,OCR,収穫,研削,超解像,視点補正を統一する多様なツール環境を設計する。
論文 参考訳（メタデータ） (2026-05-06T17:50:38Z) - CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search [51.911048955965136]
CoSearchは多段階推論エージェントと生成ドキュメントランキングモデルを共同でトレーニングするフレームワークである。
この結果から, 推論エージェントと検索システムの協調訓練は, 実現可能であり, 性能も高いことが示唆された。
論文 参考訳（メタデータ） (2026-04-19T17:48:17Z) - 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) - AgentGym-RL: Training LLM Agents for Long-Horizon Decision Making through Multi-Turn Reinforcement Learning [129.44038804430542]
本稿では,マルチターン対話型意思決定のためのLLMエージェントをRLで学習する新しいフレームワークであるAgentGym-RLを紹介する。
本研究では,探索-探索バランスと安定したRL最適化のためのトレーニング手法であるScalingInter-RLを提案する。
当社のエージェントは、さまざまな環境にまたがる27のタスクで、商用モデルにマッチするか、超えています。
論文 参考訳（メタデータ） (2025-09-10T16:46:11Z) - Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs [69.10441885629787]
Retrieval-Augmented Generation (RAG) は、外部知識を注入することによって、Large Language Models (LLM) の事実性を高める。
逆に、純粋に推論指向のアプローチは、しばしば幻覚的あるいは誤った事実を必要とする。
この調査は両鎖を統一的推論-検索の観点から合成する。
論文 参考訳（メタデータ） (2025-07-13T03:29:41Z) - Curiosity & Entropy Driven Unsupervised RL in Multiple Environments [0.0]
オリジナル作品に5つの新しい修正を加えて実験する。
高次元環境では、好奇心による探索は、エージェントに多様な経験を求め、未知のものを探索するように促すことによって学習を促進する。
しかし、探索可能性に制約があり、エージェントに真に知られていないような、低次元でシンプルな環境では、その利点は限られている。
論文 参考訳（メタデータ） (2024-01-08T19:25:40Z)
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。