AgonAlpha：通过提示经济与可扩展智能体搜索实现自主Alpha发现

# AgonAlpha：基于提示经济与可扩展智能体搜索的自主Alpha发现
来源：https://arxiv.org/html/2608.11250
Weicheng Ye1,\*,‡, Youran Sun2,\*, Xingyu Ren1,\*, Shunyao Yu1, Chugang Yi2, Haizhao Yang2,3,†
1香港中文大学物理系，中国香港特别行政区
2马里兰大学数学系，马里兰大学帕克分校，美国马里兰州
3马里兰大学计算机科学系，马里兰大学帕克分校，美国马里兰州
###### 摘要
语言模型可以提出许多看起来合理的交易因子，但一个自主研究系统还必须分配其评估预算、核验自身证据，并保留每个候选因子是如何产生的。我们提出AgonAlpha，一种在冻结的研究工件（frozen research artifacts）——假设、可执行表达式、平台证据、理性依据和评审状态——而非仅公式之上进行搜索的架构。据我们所知，AgonAlpha是首个将经核验的工件搜索、具有重新执行与否决权的新鲜上下文对抗式评审器，以及感知进行中任务的并行预算分配这三者结合，并附带完整公开证据链的alpha挖掘系统。在WorldQuant BRAIN上的独立部署，横跨五个用户和六个模型后端，产生了SPECTACULAR级别的alpha，Fitness最高达到9.50，Sharpe最高达到3.48，同时每个提交都保留了从提示到表达式的完整来源追溯。
11footnotetext:共同贡献。22footnotetext:[email protected]。33footnotetext:[email protected]。

###### 目录
1. [1 引言](https://arxiv.org/html/2608.11250#S1)
2. [2 相关工作](https://arxiv.org/html/2608.11250#S2)
   1. [2.1 轴一：搜索单元](https://arxiv.org/html/2608.11250#S2.SS1)
   2. [2.2 轴二：验证机制](https://arxiv.org/html/2608.11250#S2.SS2)
   3. [2.3 轴三：预算分配](https://arxiv.org/html/2608.11250#S2.SS3)
3. [3 Agon哲学的极简实现](https://arxiv.org/html/2608.11250#S3)
4. [4 AgonAlpha系统](https://arxiv.org/html/2608.11250#S4)
   1. [4.1 问题形式化](https://arxiv.org/html/2608.11250#S4.SS1)
   2. [4.2 双角色契约](https://arxiv.org/html/2608.11250#S4.SS2)
   3. [4.3 对抗性验证协议](https://arxiv.org/html/2608.11250#S4.SS3)
   4. [4.4 两级预算分配](https://arxiv.org/html/2608.11250#S4.SS4)
5. [5 评估与工件发布](https://arxiv.org/html/2608.11250#S5)
   1. [5.1 协议](https://arxiv.org/html/2608.11250#S5.SS1)
   2. [5.2 概览](https://arxiv.org/html/2608.11250#S5.SS2)
   3. [5.3 评审干预（Q2）](https://arxiv.org/html/2608.11250#S5.SS3)
   4. [5.4 分配与并发（Q3）](https://arxiv.org/html/2608.11250#S5.SS4)
   5. [5.5 工件完整性](https://arxiv.org/html/2608.11250#S5.SS5)
6. [6 讨论与局限](https://arxiv.org/html/2608.11250#S6)
7. [7 结论](https://arxiv.org/html/2608.11250#S7)
8. [参考文献](https://arxiv.org/html/2608.11250#bib)
9. [部署总结](https://arxiv.org/html/2608.11250#Sx1)
10. [代表性示例运行](https://arxiv.org/html/2608.11250#Sx2)
    1. [评审发现了什么](https://arxiv.org/html/2608.11250#Sx2.SSx1)
    2. [Alpha构造与经济解释](https://arxiv.org/html/2608.11250#Sx2.SSx2)
    3. [逐节点详细说明](https://arxiv.org/html/2608.11250#Sx2.SSx3)
    4. [这次典型运行展示了什么](https://arxiv.org/html/2608.11250#Sx2.SSx4)
    5. [不同日历制度下的行为](https://arxiv.org/html/2608.11250#Sx2.SSx5)
        1. [证据索引](https://arxiv.org/html/2608.11250#Sx2.SSx6)
    6. [工件完整性](https://arxiv.org/html/2608.11250#Sx2.SSx7)

## 1 引言

随着智能体工作流的日益普及，自主alpha发现不再仅仅是由大语言模型（LLM）生成看似合理的公式，而是还要设计一个完整的评估与自我改进系统。这一系统不能仅限于系统化且一致地生成看似合理的alpha：它还必须决定哪些alpha想法家族值得获得有限的、昂贵的平台评估机会，确保记录的证据与所评估的候选对象一致，并在每次运行后保留足够的状态以可靠地重建结果。AlphaBench表明，尽管语言模型在生成可执行因子方面相对有效，但在零样本因子排序上仍然存在困难（Luo等，2026 (https://arxiv.org/html/2608.11250#bib.bib22)）。与此同时，已发表异象的表现也随时间显著减弱。在Chen和Welch分析的2005年后非微型股样本中，中位月度收益率仅为约7个基点——这种效应量小到可以用统计偶然性或适度交易成本来解释（Chen和Welch，2026 (https://arxiv.org/html/2608.11250#bib.bib30)）。此外，对30篇基于LLM的交易论文的系统性综述揭示了一个反复出现的研究实践缺口：虽然模型架构经常被详细描述，但诸如时点数据控制、训练-测试划分、样本外评估、交易成本、换手率假设、执行细节和工件可用性等关键方面却经常被低度报告（Yao和Zheng，2026 (https://arxiv.org/html/2608.11250#bib.bib3)）。这些发现共同将核心挑战定位在自动化alpha发现循环的层面：保留证据、在相互竞争的思路之间分配昂贵的评估、以及将提案与验证分离。

参考图1
图1：LLM驱动的alpha挖掘的两种范式。*左*：公式级搜索，带自我评分和封闭轨迹。*右*：AgonAlpha在受新鲜上下文评审且由感知进行中任务的调度器（在10个并发工作器下验证）管理的研究工件上进行搜索。

为此，我们采用*工件级*发现；与先前许多*公式级*的工作相比，有四个独特的架构选择，如图1 (https://arxiv.org/html/2608.11250#S1.F1) 所示。

- **搜索单元。**现有系统通常将公式视为发现的基本单元。然而，单独的公式并不能保留激发它的假设、被探索后又被拒绝的替代方向，或在此过程中被解决的异议。我们反过来将发现视为研究决策的谱系，保留理解候选因子为何被生成以及如何演化所需的上下文。
- **验证机制。**现有系统通常依赖自我评估程序或标量性能阈值。虽然这些机制在候选排序方面有效，但它们并不能独立验证所记录的证据是否与所评估的候选对象一致。我们引入显式的验证程序，以审计生成的候选对象、评估记录和报告结果之间的对应关系。
- **资源分配。**现有系统通常按照固定计划分配搜索预算。然而，当外部平台评估需要大量时间且多个研究方向并发推进时，静态分配无法自适应地将资源重新导向有前景的研究谱系，也无法考虑已在进行的评估。我们转而将评估预算分配视为一个主动决策问题，使系统能够在协调进行中实验的同时优先考虑有前景的方向。
- **证据保留。**现有系统往往提供不完整的证据链。对30篇基于LLM的交易论文的审计显示，解释报告结果所需的关键执行和评估细节，其可获得性往往低于智能体架构本身描述的可得性（Yao和Zheng，2026 (https://arxiv.org/html/2608.11250#bib.bib3)）。因此，我们强调保留完整的研究工件和执行历史，使结果能够被复现和独立评估。

这些差异共同凸显了一个更广泛的区别：它们不仅仅是单个因子生成方法的局限，而是构建一个完全自主的发现系统所必需的缺失接口。AgonAlpha通过三个协同组件实现这些接口：一个提议者（proposer）、一个新鲜上下文评审器（fresh-context reviewer）和一个感知进行中任务的调度器（pending-aware scheduler）。提议者将每个候选提交为带证据的工件；评审器独立检查该工件，可以重新运行相关的平台评估，并可拒绝无证据支持或伪造的主张；调度器在考虑已在进行的评估的同时，将每次后续调用分配给一个研究谱系。这种架构遵循*Agon哲学*和提示经济原则（Sun等，2026a (https://arxiv.org/html/2608.11250#bib.bib1), b (https://arxiv.org/html/2608.11250#bib.bib2)）。五位共同作者在WorldQuant BRAIN上使用多个模型后端部署了AgonAlpha，产生了60个提交，其中17个获得了SPECTACULAR等级；观测到的最佳Fitness和Sharpe比率分别为9.50和3.48。我们对五个代表性案例进行了详细分析，并发布了所有60个提交的提示词、决策、评审、平台证据和因子表达式，完整集合见补充材料。

在系统设计之上，评估设计本身就是一个关键的系统考虑因素。现有方法（包括AlphaForge、AlphaJungle和FactorMiner）即使引入时间或跨市场保留集，也通过作者控制的学术流程来评估生成的因子（Shi等，2025 (https://arxiv.org/html/2608.11250#bib.bib9), 2026 (https://arxiv.org/html/2608.11250#bib.bib4)；Wang等，2026 (https://arxiv.org/html/2608.11250#bib.bib5)）。这些协议改善了发现数据与评估数据之间的分离，但评估者仍然是被设计系统的一部分。我们的方法转而采用WorldQuant BRAIN作为外部评估环境：该平台独立决定数据、模拟规则、指标、提交约束和最终得分，并为合格的研究顾问提供激励机制（WorldQuant，2026 (https://arxiv.org/html/2608.11250#bib.bib32)）。因此，我们的结果不仅衡量因子发现能力，还衡量自主研究系统在固定且外部治理的评估制度下运行的能力。

**贡献。**

- **C1 — 一种可审计alpha发现的集成架构。**据我们所知，AgonAlpha是首个将经核验的工件搜索、对抗式评审权限、感知进行中任务的并行预算分配以及完整公开证据链相结合的alpha挖掘系统。其紧凑实现通过两个角色和101行角色提示词，应用了Agon的六项原则——提示经济、最小提示、面向未来、零代码、跨学科、大规模并行（Sun等，2026a (https://arxiv.org/html/2608.11250#bib.bib1), b (https://arxiv.org/html/2608.11250#bib.bib2)）。
- **C2 — 在带证据的工件上进行轨迹级搜索。**搜索单元是一个冻结的研究工件，包含假设、可执行表达式、平台证据、经济理性依据和评审状态。因此，调度器跨研究谱系分配工作，而非在孤立的公式编辑之间分配。
- **C3 — 具有重新执行和否决权的对抗式评审。**评审器被独立路由并以新鲜上下文调用，可以重新运行平台证据，当核实到伪造时可将调度器奖励设为零。其他风险发现则作为可检查的警告附加在工件上。
- **C4 — 感知进行中任务的并行预算分配。**跨谱系的感知进行中任务的MCTS调度器结合了渐进拓宽、百分位奖励、背压和根回退，使在途工作影响后续分配。在每个流水线内，一场减半锦标赛将模拟集中在幸存的候选上（§4.4 (https://arxiv.org/html/2608.11250#S4.SS4)）。
- **C5 — 轨迹完整的多用户部署验证。**五个用户和多个模型后端产生了60个外部评分的提交，包括17个SPECTACULAR alpha，Fitness达到9.50。我们发布了每一个提示词、搜索决策、平台记录、评审和可执行表达式。

## 2 相关工作

### 2.1 轴一：搜索单元
大多数alpha挖掘智能体在公式上进行搜索。AlphaJungle将蒙特卡洛树搜索（MCTS）应用于公式表达式树，使用一个LLM来生成并对候选进行自我评分（Shi等，2026 (https://arxiv.org/html/2608.11250#bib.bib4)）。它问的是*在哪里添加下一个运算符*；我们问的是*哪个谱系应该获得下一个预算*。QuantaAlpha在固定五轮计划下将轨迹作为遗传物质进行演化；我们的工件是证据单元——冻结的、经过对抗性门控、并由UCB预算分配的（Han等，2026 (https://arxiv.org/html/2608.11250#bib.bib6)）。FAMA线性地串联经验，并在其自身评估中报告了幻觉（Li等，2024 (https://arxiv.org/html/2608.11250#bib.bib10)），这直接推动了C3的提出。

### 2.2 轴二：验证机制
FactorMiner（Wang等，2026 (https://arxiv.org/html/2608.11250#bib.bib5)）是最近的竞争者，具有相同的角色数量，但组织原则相反。其角色按功能划分（生成器加确定性工具评估）；我们的角色按对抗性划分（提议者加攻击者）。其Ralph Loop是一个线性循环，没有树、没有UCB、也没有跨谱系分配。其验证是一个*工具*——对IC和相关性的确定性阈值——而我们的验证是一个*权威*，拥有重跑和否决权。FactorMiner发布了其因子库，但代码和提示词保持封闭。FactorMAD的辩论是合作性的，没有否决权，录取回到确定性截止线（FactorMAD，2025 (https://arxiv.org/html/2608.11250#bib.bib24)）。Agora的小组分散了权力，因此没有单一的验证者同时拥有重跑和否决权。其自己的分析得出结论，增加智能体仅仅是将自我确认的失败转移了位置，而非解决它（Agora，2026 (https://arxiv.org/html/2608.11250#bib.bib15)）。CogAlpha部署了21个智能体，每次运行约500个H100小时，采用同模型质量控制且提示词不公开（CogAlpha，2025 (https://arxiv.org/html/2608.11250#bib.bib14)）。Beyond Prompting的固定阈值门控在公开环境中失败（Huang和Fan，2026 (https://arxiv.org/html/2608.11250#bib.bib18)），AlphaCrafter记录回测到实盘的断崖效应（AlphaCrafter，2026 (https://arxiv.org/html/2608.11250#bib.bib21)；ATLAS，2025 (https://arxiv.org/html/2608.11250#bib.bib31)）。AlphaBench不是一个竞争对手。其关于LLM因子评估近乎随机的发现，为C3提供了最强的已发表动机（Luo等，2026 (https://arxiv.org/html/2608.11250#bib.bib22)）。

### 2.3 轴三：预算分配
R&D-Agent-Quant在双臂老虎机（是臂而非树节点，且没有在途工作的概念）下交替进行因子开发和模型开发（Li等，2025 (https://arxiv.org/html/2608.11250#bib.bib7)）。AlphaGen报告了探索停滞，而QF-REINFORCE的算法层补丁使其CSI500 RankIC仍低于AlphaGen，却没有解释这一差距（Yu等，2023 (https://arxiv.org/html/2608.11250#bib.bib11)；Zhao等，2025 (https://arxiv.org/html/2608.11250#bib.bib12)）。AlphaForge则在一个冻结的因子池上运行硬编码流水线（Shi等，2025 (https://arxiv.org/html/2608.11250#bib.bib9)）。QuantEvolver通过GRPO将经验编码到模型权重中来解决同一问题（Zhang等，2026 (https://arxiv.org/html/2608.11250#bib.bib23)）。AgonAlpha则是在推理时进行搜索，这是平台用户可用的唯一选项。