Оценка саморазвивающихся возможностей в долгосрочном поиске альфы
Сводка
EverMine — это платформа для проверки того, совершенствуются ли исследовательские агенты, накапливая переиспользуемые навыки, инструменты и правила в ходе долгосрочного поиска альфы. Состояние исследования представляется через историю исследований, текущий факторный портфель и накопленные возможности. Запуски с сопоставимыми ресурсами сравнивают фиксированные и меняющиеся возможности; в дополнительных экспериментах с ветвлением возможности заменяются при неизменных истории и состоянии портфеля. Для изучения влияния выбора кандидатов на основе опыта на результаты портфеля используется воспроизведение исторических состояний.
В 18 траекториях эволюция возможностей не даёт последовательного сквозного улучшения, а в 48 ветвях продолжения накопленные возможности не превосходят начальный набор на постоянной основе. Настройка существующих факторных структур всё же может быть полезна. В исследовательском воспроизведении двух этапов отбора из одного запуска с развивающимися возможностями перспективные по отдельности отклонённые кандидаты при последовательном добавлении немного снижают итоговый информационный коэффициент портфеля. Результаты подчёркивают, что ценность кандидата зависит от состояния портфеля и порядка подачи, однако данные воспроизведения ограничены и не показывают, что все методы эволюции возможностей будут работать одинаково.
Ключевые идеи
- Платформа разделяет историю исследований, текущий факторный портфель и переиспользуемые возможности.
- Запуски с сопоставимыми ресурсами и замены возможностей при контроле состояния по-разному оценивают ценность возможностей.
- В сообщённых траекториях и ветвях продолжения эволюция возможностей не дала последовательного улучшения.
- Предельная ценность кандидата зависит от текущего портфеля и порядка добавления кандидатов.
- Воспроизведение отбора кандидатов носит исследовательский характер и основано лишь на одной эволюционирующей траектории.
Теги
Полный текст
# 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.
Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0
Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.