Fugu-MT 論文翻訳(概要): AlphaPilot: Multi-Turn Tool-Using LLM Agents for Adaptive Alpha Mining with Reinforcement Learning

論文の概要: AlphaPilot: Multi-Turn Tool-Using LLM Agents for Adaptive Alpha Mining with Reinforcement Learning

arxiv url: http://arxiv.org/abs/2610.15488v1
Date: Sun, 11 Oct 2026 09:43:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-20 01:01:34.100414
Title: AlphaPilot: Multi-Turn Tool-Using LLM Agents for Adaptive Alpha Mining with Reinforcement Learning
Title（参考訳）: AlphaPilot: 強化学習による適応型アルファマイニングのためのマルチTurnツールを用いたLLMエージェント
Abstract要約: 我々は、多ターンツールを用いたLLMエージェントを適応的アルファマイニングのためにトレーニングする強化学習フレームワークであるAlphaPilotを紹介する。推測時には、AlphaPilotは日々の検索とプールのアップデートを行い、市場の変化に対応する。総リターンは42.93%、54.19%であり、シャープ比は2.46と2.86である。
参考スコア（独自算出の注目度）: 12.512138643936217
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Formulaic alpha mining seeks interpretable expressions that rank assets by future returns. The task is challenging because it demands simultaneous processing of unstructured market descriptions, historical data, and quantitative evaluation of candidate factors, yet most existing methods exploit only a subset of these signals. We introduce AlphaPilot, a reinforcement-learning framework that trains multi-turn tool-using LLM agents for adaptive alpha mining. The agent conditions on market descriptions, proposes factor expressions, queries real-data evaluator feedback, and updates a retained factor pool across turns. This design jointly leverages market text, LLM financial knowledge, real data, and evaluation feedback. At inference time, AlphaPilot performs day-by-day search and pool updates to adapt to shifting market regimes. Across three independent runs in out-of-sample rolling backtests on CSI300 and CSI500, AlphaPilot achieves mean total returns of 42.93% and 54.19%, with mean Sharpe ratios of 2.46 and 2.86, respectively. It attains the highest mean total return, Sharpe, and RankIC among the evaluated methods on both universes.
Abstract（参考訳）: フォーミュラ・アルファ・マイニングは、将来のリターンによって資産をランク付けする解釈可能な表現を求める。このタスクは、構造化されていない市場記述の同時処理、履歴データ、候補要因の定量的評価を必要とするため、難しいが、既存のほとんどの手法ではこれらの信号のサブセットしか利用していない。我々は、多ターンツールを用いたLLMエージェントを適応的アルファマイニングのためにトレーニングする強化学習フレームワークであるAlphaPilotを紹介する。マーケット記述のエージェント条件,ファクタ式の提案,リアルタイム評価器フィードバックのクエリ,ターン毎に保持されたファクタプールの更新を行う。この設計は、市場テキスト、LLM財務知識、実データ、評価フィードバックを共同で活用する。推測時には、AlphaPilotは日々の検索とプールのアップデートを行い、市場の変化に対応する。 CSI300とCSI500のアウト・オブ・サンプルバックテストでは、AlphaPilotの総リターンは42.93%、54.19%、シャープ比は2.46と2.86である。両方の宇宙で評価された手法の中で、シャープとランディックの合計リターンは最高である。

関連論文リスト

Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
論文参考訳（メタデータ） (2026-06-05T15:09:52Z)
From Feedback Loops to Policy Updates: Reinforcement Fine-Tuning for LLM-Based Alpha Factor Discovery [44.198035509196785]
我々は,強化微調整に基づく自己進化型アルファファクター発見フレームワークであるtextscQuantEvolverを提案する。 textscQuantEvolverは高品質なシードファクタを構築し、多様なシードタイムウィンドウトレーニングタスクを構築し、実行可能なFacter DSL式を生成する。トレーニング中、高品質な要因はMined Factor Databaseに継続的に蓄積され、最終発見ファクターライブラリとして機能する。
論文参考訳（メタデータ） (2026-05-14T20:54:40Z)
AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering [52.67783579040657]
AceGRPOは、エージェントの学習フロンティアにおけるタスクを優先順位付けして学習効率を最大化する機械学習システムである。我々のトレーニングされたAce-30Bモデルは、MLE-Bench-Lite上で100%有効な応募率を実現し、プロプライエタリなフロンティアモデルの性能にアプローチし、より大きなオープンソースベースラインを上回ります。
論文参考訳（メタデータ） (2026-02-08T10:55:03Z)
Alpha-R1: Alpha Screening with LLM Reasoning via Reinforcement Learning [28.326583684637853]
信号の崩壊と政権交代は、非定常市場におけるデータ駆動型投資戦略に繰り返し挑戦する。既存の因子ベースの手法は、アルファを数値時系列に還元し、ある因子が経済的に関係しているかどうかを決定する意味論的論理を見渡すのが一般的である。文脈認識型アルファスクリーニングのための強化学習により訓練された8Bパラメータ推論モデルであるAlpha-R1を提案する。
論文参考訳（メタデータ） (2025-12-29T14:50:23Z)
AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress [71.02263260394261]
大規模言語モデル(LLM)は、マルチターン意思決定タスクにおいて依然として課題に直面している。プロセス報酬モデル(PRM)を構築し、各意思決定を評価し、エージェントの意思決定プロセスを導く。 AgentPRMは、シーケンシャルな決定と最終的な目標への貢献の間の相互依存の両方をキャプチャする。
論文参考訳（メタデータ） (2025-11-11T14:57:54Z)
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)
Meta-Learning Reinforcement Learning for Crypto-Return Prediction [16.344249366257003]
本稿ではメタラーニングと強化学習を統一したトランスフォーマーベースアーキテクチャであるMeta-RL-Cryptoを提案する。エージェントはクローズドループアーキテクチャにおいて、3つのロールアクタ、ジャッジ、メタジャッジを反復的に交互に切り替える。様々な市場体制における実験により、Meta-RL-Cryptoは実市場の技術的指標に優れた性能を示すことが示された。
論文参考訳（メタデータ） (2025-09-11T14:20:45Z)
Navigating the Alpha Jungle: An LLM-Powered MCTS Framework for Formulaic Factor Mining [8.53606484300001]
本稿では,大規模言語モデル (LLM) とモンテカルロ木探索 (MCTS) を統合する新しいフレームワークを提案する。重要な革新は、MCTS探究のガイダンスであり、各候補因子の金銭的バックテストから、豊かで定量的なフィードバックによってである。実世界の株式市場データによる実験結果から, LLMをベースとしたフレームワークは, 予測精度と取引性能に優れたアルファをマイニングすることにより, 既存手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2025-05-16T11:14:17Z)
Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。 LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
論文参考訳（メタデータ） (2025-02-25T08:41:01Z)
Agent-FLAN: Designing Data and Methods of Effective Agent Tuning for Large Language Models [56.00992369295851]
オープンソースのLarge Language Models(LLM)は、さまざまなNLPタスクで大きな成功を収めていますが、エージェントとして振る舞う場合、それでもAPIベースのモデルよりもはるかに劣っています。本稿では,(1) エージェント学習コーパスを,(1) エージェント学習データの分布から大きくシフトするエージェント推論と,(2) エージェントタスクが必要とする能力に異なる学習速度を示すエージェント学習コーパスと,(3) 幻覚を導入することでエージェント能力を改善する際の副作用について述べる。本稿では,エージェントのためのFLANモデルを効果的に構築するためのエージェントFLANを提案する。
論文参考訳（メタデータ） (2024-03-19T16:26:10Z)

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。