Evaluación de capacidades evolutivas en investigación de alfa

Resumen

EverMine es un marco para comprobar si los agentes de investigación mejoran al acumular habilidades, herramientas y reglas reutilizables durante la búsqueda de alfa a largo plazo. Representa el estado de investigación mediante el historial de investigación, la cartera factorial actual y las capacidades acumuladas. Las ejecuciones con recursos equivalentes comparan capacidades fijas y evolutivas; otros experimentos con ramas intercambian capacidades manteniendo constantes el historial y el estado de la cartera. Se usa la reproducción de estados históricos para examinar cómo las decisiones sobre candidatos basadas en la experiencia afectan a los resultados de la cartera.

En 18 trayectorias, las capacidades evolutivas no muestran una mejora constante de principio a fin; en 48 ramas de continuación, las capacidades acumuladas tampoco superan sistemáticamente al conjunto inicial. Ajustar las estructuras factoriales existentes aún puede ayudar. En una reproducción exploratoria de dos tandas de selección de una ejecución evolutiva, añadir secuencialmente candidatos rechazados que parecían prometedores reduce ligeramente el coeficiente de información final de la cartera. Los resultados destacan que el valor de un candidato depende del estado de la cartera y del orden de incorporación, pero las pruebas de reproducción son limitadas y no demuestran que todos los métodos de evolución de capacidades se comporten igual.

Ideas clave

• El marco separa el historial de investigación, la cartera factorial actual y las capacidades reutilizables.
• Las ejecuciones con recursos equivalentes y los intercambios de capacidades con estado controlado estiman su valor desde distintas perspectivas.
• La evolución de capacidades no produjo mejoras constantes en las trayectorias ni en las ramas de continuación informadas.
• El valor marginal de un candidato depende de la cartera actual y del orden en que se añaden los candidatos.
• La reproducción de candidatos seleccionados es exploratoria y procede de una sola trayectoria evolutiva.

Etiquetas

# EverMine: Dissecting the Self-Evolution of Research Capabilities in Long-Horizon Alpha Research


# EverMine: Dissecting the Self-Evolution of Research Capabilities in Long-Horizon Alpha Research









Self-evolving agents aim to turn research feedback into reusable skills, tools, and research rules. Whether these accumulated capabilities continue to improve later research requires controlled evaluation. Long-horizon alpha discovery provides a state-dependent setting: once a new factor enters the portfolio, the predictive information already covered changes, so the value of the same candidate or experience may change over time. We introduce EverMine, an empirical framework for studying self-evolving research capabilities in long-horizon alpha discovery. EverMine decomposes the research state into history (Hist), the current factor portfolio (Frontier), and reusable capabilities (Cap). Under matched resource limits, we compare complete runs with fixed or evolving Cap, and replace Cap while holding Hist and Frontier fixed to estimate the conditional value of accumulated capabilities. We also combine full trajectories with historical-state replay to examine how experience-based decisions affect candidate selection and portfolio outcomes. Across 18 long-horizon trajectories, end-to-end comparisons show no consistent gain from Cap evolution. Across 48 continuation branches from shared Hist and Frontier states, accumulated Cap also does not consistently outperform the initial Cap. Parameter tuning of existing factor structures can still improve the portfolio. In an exploratory replay of two screening batches from one Evolving trajectory, some screened-out candidates have positive marginal value at the original state, yet submitting all screened-out candidates sequentially slightly lowers final portfolio IC in both batches. These results show that candidate value depends on the evolving portfolio and submission order, and motivate evaluating self-evolving research capabilities through end-to-end outcomes, conditional capability value, and the consequences of experience-based decisions.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.