CrashGym用避免的决策损失衡量实验价值，Luna后悔值降约57%。
资讯摘要
论文提出CrashGym，一个确定性、可重放的限价订单簿模拟器，要求智能体在去杠杆干预与流动性支持之间做出选择，并可在实验室市场副本中先做干预实验，再在独立种子的目标副本上按相对最优干预的后悔值评分。作者报告，在24个新采样世界的前瞻性研究中，具备完整记录的Luna部署平均后悔值从8.878降至3.785，配对降幅5.092个效用单位。
要点速读
- CrashGym将价格冲击、流动性撤出、保证金驱动的清算与策略组合演化等放大渠道实现为可分级开启的显式机制。
- 在24个新采样世界的前瞻性研究中，实验室访问使Luna的平均后悔值从8.878降至3.785，配对降幅5.092个效用单位（名义95%世界自助区间1.028–9.507），相当于仅观察均值的57.4%。
- 另两个部署的前瞻性比较尚不完整；在单独的探索性研究中，四个被评估部署在可访问实验室时平均后悔值均更低；策略组合内生演化的实验室相对固定组合未显示确立优势。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。