UCL/NTU Steward 论文：自进化要有不可改的不变量核，24.6% 行业回撤压到 0.3% 损失

查看PDF HTML（实验性）

摘要：在实时网络数据上行动的LLM代理必须结合异构证据，记住他们所做的事情，并从结果中改进而不削弱他们自己的安全措施。我们在自主投资中研究这个问题，在那里每个动作都是不可逆的，并且基于不可信的网络内容。我们提出了Steward，一个多代理LLM系统，它在类型系统中划定了自我进化的边界。首先，九个角色专门的代理共同决定：四位分析师阅读新闻简报、SEC文件、宏观经济系列和市场数据，并发出类型报告，从中投资组合经理设定目标位置，受保护的风险管理员进行审计。其次，一个由系统自身记录的代码组装的七层共享内存，为每个决策提供其位置上下文、市场叙事、校准和代理的过去决策。第三，通过审查来改进自己：代码每晚对每笔交易和预测进行评分，并将评分写入内存，每个季度反思器提出可逆的提示学习，确定性门将其应用于代理，并回放记录的输入以验证。所有这三者都围绕一个不变的核心，即顺序算术、风险规则和纪律代理提示，任何自我编辑都无法触及。在五个月的实时部署（102个交易日，1,632个LLM调用）中，该系统将24.6%的行业回调降至0.3%的损失；在回放其记录的输入时，一个单独的模型在五天内（在联合设计中没有显示出显著的损失，并且没有遵循任何注入的指令）给出了相同的数据进行了更多的交易，并且相对于市场损失了1.35个点，并且一个2015-2026年的回溯测试显示，核心本身在所有50种随机入场策略下都降低了最大回调。反思器追踪主导失败的根本原因，并且门应用了一个代理在触发晚上和在没有任何控制晚上采用的学习。代码：此https URL

投稿历史

来自：Yebo Feng [查看电子邮件]
[v1] 周四，22 Oct 2026 00:22:47 UTC (176 KB)