Avaliação de capacidades que evoluem em pesquisas de alfa de longo prazo

Resumo

EverMine é uma estrutura para testar se agentes de pesquisa melhoram à medida que acumulam habilidades, ferramentas e regras reutilizáveis durante a descoberta de alfa em horizontes longos. Ela representa o estado da pesquisa por meio do histórico de pesquisa, da carteira de fatores atual e das capacidades acumuladas. Execuções com recursos correspondentes comparam capacidades fixas e evolutivas; experimentos adicionais de ramificação trocam capacidades mantendo constantes o histórico e o estado da carteira. A reprodução de estados históricos é usada para examinar como escolhas de candidatos baseadas na experiência afetam os resultados da carteira.

Em 18 trajetórias, as capacidades evolutivas não mostram ganho consistente de ponta a ponta; em 48 ramificações de continuação, as capacidades acumuladas não superam consistentemente o conjunto inicial. Ainda assim, ajustar estruturas de fatores existentes pode ajudar. Em uma reprodução exploratória de dois lotes de triagem de uma execução evolutiva, candidatos rejeitados individualmente promissores reduzem ligeiramente o coeficiente de informação final da carteira quando são adicionados em sequência. Os resultados enfatizam que o valor de cada candidato depende do estado da carteira e da ordem de inclusão, mas as evidências da reprodução são limitadas e não mostram que todo método de evolução de capacidades se comportará da mesma maneira.

Ideias principais

• A estrutura separa o histórico de pesquisa, a carteira atual de fatores e as capacidades reutilizáveis.
• Execuções com recursos correspondentes e trocas de capacidades com estado controlado estimam o valor das capacidades sob perspectivas diferentes.
• A evolução das capacidades não produziu ganhos consistentes nas trajetórias ou ramificações de continuação relatadas.
• O valor marginal de um candidato depende da carteira atual e da ordem em que os candidatos são adicionados.
• A reprodução de candidatos triados é exploratória e vem de apenas uma trajetória evolutiva.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.