factor-discovery

AQuA 是一个研究系统，包含两个独立的语言模型驱动智能体，它们在量化交易研究中递归地自我改进，在加密货币和美国股票上取得了较强的信息系数，同时使用密封沙箱防止数据泄漏。

本文介绍了DKCD，这是一个通过整合领域知识图谱与基于LLM的推理来增强高专业领域（如医疗、金融、教育）中从非结构化数据进行因果发现的框架，旨在识别潜在因果因素并提高标注准确性。