自主进化型AI智能体未能提升交易超额收益

概述

一项挑战“自演化 AI 代理会自动在复杂任务中表现提升”这一假设的最新研究已发布至 arXiv，结果表明元学习能力未必能转化为金融研究中的实质性收益。研究人员测试了一款名为 EverMine 的代理，该代理旨在尝试为加密货币市场生成盈利交易信号的同时，迭代完善自身的研究技能和规则。

研究发现，虽然允许 AI 代理编辑自身的操作手册是构建更具自主性系统的直观方法，但这并未带来持续的阿尔法收益（超额收益）。事实上，在针对未见过的未来数据进行评估时，自编辑版本的代理表现略逊于其静态版本，这引发了人们对高风险环境中自改进 AI 架构当前成熟度的质疑。

“自演化代理旨在将研究反馈转化为可复用的技能、工具和研究规则。这些积累的能力是否能使后续研究持续改善，这需要受控……”

本文分析了实验设置、不同模型变体之间显著的性能差异，以及对依赖自适应 AI 代理的算法交易策略的更广泛影响。

实验设计与方法论

这项调查的核心围绕 EverMine 展开，这是一个专门用于发现阿尔法因子（预测未来价格波动的统计模式）的 AI 研究代理，研究对象是币安交易所的 60 个主要现货交易对。该代理基于10分钟K线进行操作，这是一个需要快速检测信号且噪声较大的时间框架，使其成为任何自动交易系统极具挑战性的测试环境。

数据集经过拆分以确保对泛化能力的公平评估。代理在 2025年 的数据上进行训练和优化，而 2026年上半年 的数据则完全从研究循环中剔除。这个被保留的数据集作为成功与否的最终仲裁者，防止代理仅仅通过记忆过去模式或过拟合训练期来取得成绩。

研究在两个截然不同的代理版本之间进行了正面较量：

• 固定技能版本： 该代理使用静态的初始技能和规则集运行。它可以优化现有公式内的参数，但不能改变其解决问题的根本方法。
• 自演化版本： 该代理拥有在整个过程中保存、编辑和精炼自身技能库及研究规则的能力。其假设是，通过从错误中学习，代理会逐渐发展出寻找盈利信号更好的启发式方法。

为了确保稳健性，作者进行了从 2026年 9月 20日至 9月 24日的 18次长时间运行。计算基础设施多样化，利用本地和云端资源测试不同的基础模型：

1. 十二次运行使用了本地部署的 Qwen3.8-27B。
2. 六次运行通过其 API 利用了 DeepSeek-V4.1-Flash。

每次运行都受到严格的资源限制，以模拟现实世界的约束。代理被限制模型成本最高为 10美元，并且有 48小时 的墙钟时间限制。这种标准化确保了任何性能差异都是由于自演化机制，而非计算优势所致。

关键发现与性能分析

结果不容置疑，且从自演化系统支持者的角度来看，令人失望。自编辑代理未能展现出相对于固定技能版本的一致优势。统计分析显示，两个版本之间所有四个性能差距的置信区间都包含零，表明它们在发现阿尔法方面的能力没有统计学上的显著差异。

在针对被保留的 2026年数据 进行评估时，自编辑版本在 Qwen 和 DeepSeek 模型上都比固定版本得分更低。这种负迁移现象表明，代理试图修改自身规则可能引入了不稳定性，或使其走向了效率较低的研究路径。

进行了一项次要测试以进一步探查自演化的有效性。研究人员从共享点重启了 48个分支，允许多个实例从同一基线探索不同的演化路径。即使在这种条件下，也未观察到稳步增长，这加强了自修改机制并未增加价值的结论。

然而，研究确实突出了优化努力成功的领域。简单调整现有公式被证明是有效的。在代理已经拥有的公式中调整数值参数，在 18次运行中有 16次 带来了增益。这表明，虽然代理在创建更好的策略方面挣扎，但在完善现有策略方面仍然称职。

最重要的贡献来自新类型的公式。尽管自编辑技能失败，但新颖数学表达式的生成在每一组中都贡献了最多的价值。这表明 LLM 的核心生成能力按预期工作，但元认知层——即记住和重用先前洞察的能力——并未转化为更好的结果。

经济效率与资源消耗

除了原始性能外，研究还考察了自演化代理的经济效率。DeepSeek-V4.1-Flash 运行的相关成本揭示了资源消耗的鲜明差异。

• 自演化版本： 每次运行的模型成本平均为 4.30美元。
• 固定技能版本： 每次运行的模型成本平均为 2.34美元。

自编辑代理消耗的计算预算几乎是其静态对应版本的两倍。当调整效率时，成本比率（4.30 / 2.34）约为 1.8。这意味着自演化代理多花费了 80% 的资金，却没有带来阿尔法生成的相应改善。

此外，自编辑版本的评估次数更少。平均而言，它执行了 642次评估，而固定版本完成了 1,000次评估。尽管评估市场的频率更低且花费更多，但最终得分却与更便宜、更快、使用固定技能的代理大致相同。

这种低效率对量化对冲基金和交易公司的采用构成了重大障碍。在一个优势通常以基点衡量且运营成本受到严格审查的行业，一种不会提高回报却使计算成本翻倍的技术不太可能得到广泛采用。

对 AI 驱动研究的启示

EverMine 研究的结果为日益增长的文献做出了贡献，这些文献质疑元认知 AI 代理在专门领域的实际益处。虽然能够“学习如何学习”的 AI 概念令人着迷，但这项研究表明，当前的实现可能容易出现漂移或分心。

编辑自身规则的能力是一项强大的功能，但它需要一个强大的监督机制或高度受限的环境，以防止代理退化其自身的性能。在加密货币交易的混乱和嘈杂环境中，自演化代理可能正在优化短期研究的便利性，而不是长期的预测准确性。

对于该领域的研究者来说，结论很明确：生成新颖性（创建新公式）仍然有价值，但流程的自我修改（改变如何搜索公式）风险很大，且在此背景下尚未经证实。 EverMine 等代理的未来迭代可能需要引入更强的正则化或外部验证层，以确保自改进不以牺牲稳定性为代价。

随着领域的发展，重点可能会从使代理能够重写自身代码转向构建能够更好地策展和验证这些复杂模型所提出建议的系统。在此之前，调整现有参数的简单行为似乎是比试图设计自演化研究思维更可靠的获取阿尔法的路径。