语言模型代理已经能够完成量化因子研究的全部流程：提出因子、回测、筛选并最终退休。我们关注代理应保留哪些环节，并给出自我进化的答案：代理负责提出因子，而一个冻结的统计裁判（代理不可触及）负责评判。裁判仅在提交后通过下注的方式依据市场实际结果打分，因而其假发现率保证在任意停止时刻对所有提案策略都成立。我们在合成世界（植入真实因子）、探针生成环境以及对 CSI 500 的十年滚动前向实验中，将三类提案者（脚本、强盗算法、语言模型）分别与该冻结裁判以及三种故意泄漏信息的裁判交叉测试。结果显示：裁判决定误判数量——冻结裁判在脚本提案下比泄漏裁判少 5‑11 倍的次阈值因子录入，且没有任何提案者能够弥补这一差距。提案者决定收益表现——语言模型的收益超过脚本，匹配强盗，并且具备强盗缺乏的能力，即自行编写诊断探针。证书的代价是时间：一个被认可的真实因子平均需等待约 500 个交易日，其对应的认证组合夏普比未受限组合低。
点评