一个LLM编写了交易功能，另一个审查了它，两者都错过了未来数据漏洞

一个AQuA研究循环让一个LLM编写了一个日内交易功能，另一个LLM审查其因果关系。该功能将目前看到的成交量除以当日的最终总成交量。在预测时，该最终总成交量包括了当天晚些时候的交易：未来数据。审查者批准了听起来因果的解释。然后，该功能在干净的重新划分中失去了其不寻常的信号，人工审计发现了泄露。这留下了一个真正的选择：构建一个更智能的审查者，还是给代理一个更小、更安全的工具集？这不仅仅是“LLM会犯错误”。两个模型角色对一个看似合理的解释达成了一致，而实际的漏洞存在于编写代理允许表达的操作中。一个更强大的因果审查仍然必须重建该分母背后的数据流。AQuA v2从结构上回应。论文指出，数据划分、特征和标签定义以及评估器被密封在代理的自适应表面之外。任意特征代码被替换为因果算子的固定注册表。在该规范空间中，全天候归一化器不是一个可用的操作。该保证受限于实现的注册表和沙盒。它也创造了一个成本。注册表可以使已知无效的转换不可能发生，但每个限制都缩小了代理可以发明的范围。一个更好的审查者保留更多的搜索空间，但必须可靠地捕捉微妙的依赖关系。论文是“AQuA: Recursively Self-Improving Quantitative Trading Research Agents” by Guo et al. (arXiv:2608.12841)。附录B没有发布失败功能的数值IC。值得阅读的是从令人信服的错误信号到接口重新设计的记录路径，而不是关于实时交易性能的声明。如果你在设计这个循环，你会将复杂性预算花在哪里：一个具有静态数据流检查的更强大审查者、一个更小的类型化工具集，还是一个混合方案？什么失败会让你改变立场？