AlgoEvolve：大语言模型驱动的算法交易程序元进化框架

近期研究表明，大语言模型可作为语义突变算子，用于程序和证明的演化发现。现有应用多集中于静态编码基准测试，而本研究将该范式扩展至算法交易领域。该领域因其噪声性、非平稳性和高度不连续性而极具挑战性。

研究团队提出AlgoEvolve框架，这是一个由大语言模型驱动的进化系统，能够生成、评估并迭代改进可执行的交易策略。这些策略以Python代码形式表达，并通过严格的测试协议进行评估。在多项实验中，该系统展现出适应市场状态的策略逻辑，包括交易规则的自主动态调整。

更值得注意的是，研究引入了元进化的外层循环，该层进化用于指导内层程序合成的提示词。这一外层循环能发现更优的搜索启发式方法，在平衡探索与利用的同时，减少零交易失败的情况。这些启发式方法持续优于最初人工设计的指令。

结果表明，基于大语言模型的语义进化为复杂环境中的持续程序合成提供了一条可行路径。该研究将程序进化从静态基准推向动态、实时的金融交易场景，展示了AI在自适应策略生成方面的潜力。