Эволюция торговых стратегий с помощью искусственного интеллекта

Цикл MadEvolve, представленный в работе Liet al.(2026), обеспечивает эволюцию программных решений путём извлечения исходных и вдохновляющих программ из базы данных, запроса к ансамблю больших языковых моделей, оценки полученных кандидатов с помощью бэктестера и последующего обновления популяции, что демонстрирует итеративный процесс, основанный на сочетании алгоритмической эволюции и возможностей генеративного искусственного интеллекта.

Новый подход, сочетающий возможности больших языковых моделей и эволюционных алгоритмов, позволяет создавать более эффективные стратегии автоматической торговли на финансовых рынках.

Генеративные модели: новый взгляд на транспорт оптимальных решений

Функции ценности и стратегии управления, основанные на них, демонстрируются в двумерном примере для моментов времени [latex]h \in \{0, 33, 66, 100\}[/latex], где траектория движения источника и направления обновления, выделенные желтым цветом, наглядно иллюстрируют эволюцию системы во времени.

В статье представлена инновационная структура генеративного моделирования, основанная на динамическом оптимальном транспорте и использующая подходы стохастического управления.

Искусственный интеллект в бою: Оценка стратегий и реальные ограничения

С переходом к стандартизированному исполнению на Gemini Flash, разница в производительности между полнофункциональными системами и системами, полагающимися исключительно на планирование, резко сокращается, что указывает на сжатие разрыва в эффективности.

Новое исследование показывает, как оценить возможности больших языковых моделей в качестве «живых агентов» в сложных ситуациях, используя игру Risk в качестве платформы для тестирования.