AlphaRLM：文献驱动的符号因子发现框架

2026年10月14日，arXiv Artificial Intelligence 刊出由 Jie Huang 等作者发布的论文，提出 AlphaRLM 强化学习框架。据该报道，AlphaRLM 训练 LLM 直接从金融文献构建可执行的符号化因子，无需输入因子表达式；其 LEGO 模块以文献思路和可执行算子为条件提供语义先验，并通过可执行有效性与分组收益分离奖励对齐市场反馈。报道称，在 CSI 300、CSI 1000 和 S&P 500 上，其年化超额收益优于强因子挖掘与 LLM 基线，8B 模型展现出较强的跨市场表现。上述内容为该来源的单一报道，尚无跟进报道或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。