公式化 alpha 挖掘旨在从海量且噪声极大的搜索空间中发现可执行的表达式，以捕获预测性的市场信号。传统的 LLM 方法主要依赖提示、迭代搜索或种子因子进化，直接通过策略学习构造因子仍未得到充分探索。为此我们提出 AlphaRLM，一个基于强化学习的框架，训练大语言模型在没有输入因子表达式的情况下，从金融文献中构造可执行的符号因子。\ \ AlphaRLM 的核心模块是 Literature-Guided Operator Assembly (LEGO)，它将文献中提取的概念与可执行算子相结合，为因子构造提供语义先验，引导搜索向更有意义的方向展开。\ \ 在策略对齐方面，AlphaRLM 设计了两类奖励：\
- 可执行性奖励：确保生成的因子在代码层面能够成功运行；\
- 分组回报分离奖励：依据因子在不同分位上的非单调收益结构，对策略进行细粒度调节，形式化为 $\text{Reward}=\sum_{g}\|\mu_{g}^{+}-\mu_{g}^{-}\|$，其中 $\mu_{g}^{+}$ 与 $\mu_{g}^{-}$ 分别为正负分组的平均回报。\ \ 我们在 CSI 300、CSI 1000 与 S&P 500 三大指数上进行大规模实验。结果显示，AlphaRLM 在年化超额收益上显著优于最强的因子挖掘基线和现有 LLM 方法。值得注意的是，参数量为 8B 的模型在跨市场测试中仍保持稳健表现，验证了文献条件化与市场对齐的因子生成思路的可行性。\ \ 点评：AlphaRLM 将金融文献的语义信息与强化学习相结合，提供了一条从文本到可交易因子的端到端路径，为符号因子自动化探索打开了新方向。